Endüktif öğrenmeyi kullanarak konuşmayı tanıma

Abstract

ÖZET Anahtar Kelime: Ses tanıma, bulanık mantık, endüktif öğrenme. Konuşma tanıma, insan makine iletişiminin son derece etkin olarak kullanılmasına imkan tanır. Bir çok bilgisayarda giriş çıkış verileri interaktif olduğu için konuşma yoluyla iletişim en ideal bilgisayar arayüzünü oluşturur. Konuşma tanıma işlemi zeka gerektirir, ve bu yüzden konuşma üretmekten çok daha zor bir problemdir. Genel olarak konuşma tanıma işlemi daha baştan cesaret kırıcı bir iş olduğu için halen çok daha basit sistemler yaygın olarak kullanılmaktadır. Bu tez bir PC ve bir ses kartıyla gerçekleştirilebilecek basit bir konuşma tanıma sistemini ortaya koymuştur. Sınırlı ve basit bir sistemle bu işlem gerçekleştirilebildiğine göre bu, bu işlemin gerekli özel donanım ve daha hızlı bilgisayarlarla daha gelişmiş olarak ortaya konabileceğini gösterir. Tezde sunulan sistem; Kayıtlı veya mikrofondan girilen ses bilgisini alır. Zaman normalizasyonu ve bölümleme işlemi yapar. Daha önceden belirlenen şablonlar bir sesin karşılığı olarak seçilmiştir. Elde edilen bilgiler bulanık mantık tekniği kullanılarak hazır şablonlar ile karşılaştırır. Uygun olan şablonu seçer. Şablonun ifade ettiği değer text editörüne aktarılır. VII

SPEECH RECOGNITION USING ENDUCTIVE LEARNING SUMMARY Keywords: Speech recognition, fuzzy logic, enductive learning Speech recognition enables us to use human-machine communication as active and the most excellent. The communication by speech is the most ideal computer interface because of the data inputs are interactive on many computers. Speech recognition requires intelligence so that this process is more difficult problem than to produce speech. In general, speech recognition is a kind of discouraging process, so the simple systems are used. This study exposes the simple speech recognition using a PC and a sound-card. To build such a process with a simple and limited system shows us, with more developed hardware and faster computers this can be done better. The system in this study uses the voice information that is recorded or taken from the microphone. It makes the time normalization and classification. The specific pattern of each voice is determined before. The data is compared with patterns with using fuzzy logic and the suitable pattern is selected. The value of the data, according to the pattern, is transferred to the text editor. VIII