دانلود مقاله ترجمه شده ترکیب منبع و اطلاعات مبتنی بر فیلتر جهت تشخیص فعالیت صوتی (IEEE ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی ISI در نشریه IEEE در ۵ صفحه در سال ۲۰۱۶ منتشر شده و ترجمه آن ۱۴ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۶
تعداد صفحات مقاله انگلیسی	۵ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی پزشکی و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله	بیوالکتریک، مهندسی الگوریتم و محاسبات، هوش مصنوعی و مهندسی نرم افزار
مجله	سوابق پردازش سیگنال
دانشگاه	آزمایشگاه تحقیقاتی توشیبا، کمبریج، انگلستان
کلمات کلیدی	تحریک، ترکیب اطلاعات، دوره تناوب، تشخیص فعالیت صوتی
شناسه شاپا یا ISSN	ISSN ۱۵۵۸-۲۳۶۱
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

• فهرست مطالب:

چکیده
I. مقدمه
II. روش پیشنهادی
A. ویژگی های مبتنی بر فیلتر
B. ویژگی های مرتبط با منبع
C . طبقه بندی مبتنی بر ANNو فیوژن (ترکیب) اطلاعات
III. پروتکل تجربی
A. پایگاه داده گفتار
B. متریک ارزیابی
C. مقایسه با تکنیک های جدید
IV. نتایج
A. ارزیابی مبتنی بر اطلاعات متقابل
B. رده بندی نتایج
V. نتیجه گیری

• بخشی از ترجمه:

۵٫ نتیجه گیری
هدف از این مقاله بررسی استفاده مشترک از ویژگی های مبتنی بر فیلتر ومنبع برای هدف VAD بود. نتیجه گیری های اصلی این مطالعه به شرح زیر است: ۱) ویژگی های مربوط به منبع، و به خصوص ۳ ویژگی های ارائه شده ، ۱) قدرت تشخیص بهتری دارند و استفاده از آنها در یک سیستم VAD کارآمد لازم است،۲ ) به عنوان یک استراتژی برای ادغام منابع مختلف اطلاعات، فیوژن تصمیم بهتراز فیوژن ویژگی عمل میکند، ۳) نتیجه سیستم پیشنهادی ، ترکیب کننده منبع و اطلاعات مبتنی بر فیلتر، عملکرد بسیار بهتری در مقایسه با روشهای مدرن تولید میکند، ۴) استحکام ویژگی های مربوط به منبع همراه با قابلیت های تعمیم شبکه های عصبی باعث می شود تا روش پیشنهادی به خوبی در شرایط مکشوف نشده عمل کند.

• بخشی از مقاله انگلیسی:

V. CONCLUSION

The goal of this letter was to investigate the joint use of source and filter-based features for VAD purpose. The main conclusions of this study are the following: i) source-related features, and especially the 3 proposed features, have a better discrimination power and their use in an efficient VAD system is necessary, ii) as a strategy to merge different sources of information, decision fusion outperforms feature fusion, iii) the resulting proposed system, combining source and filter-based information, gives a significantly better performance compared to state-of-the-art methods, iv) the robustness of source-related features combined with the generalization capabilities of neural networks makes the proposed approach perform very well in unseen conditions.

دانلود رایگان مقاله انگلیسی          خرید ترجمه فارسی مقاله