اطلاعات مربوط به نویسنده
نویسنده : ابراهیم نصر اصفهانی
رکوردهای مرتبط با این شخص
مرتب سازی پالایش جستجو
نوع مدرک: متون چاپی سرشناسه بیگی ، فرشاد، نویسنده شماره بازیابی : COM A 42 1402 عنوان : بهبود مدل WAV2VEC برای تشخیص خودکار مکالمه فارسی عنوان موازی : Improved Automatic Speech Recognition using WAV2VEC model ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 69ص شابک/شاپا 25533 یادداشت پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : نصر اصفهانی ، ابراهیم، استاد راهنما یراقی ، شکوفه، استاد مشاور توصیفگرها تشخیص مکالمه خودکار، یادگیری عمیق، یادگیری انتقالی ، درAutomatic Speech Recognition, Deep Learning, Transfer Learning, Word Error Rate, Wav2vec Modelصد خطای کلمه، مدل wav2vec چکیده : در فناوری‌های دنیای امروز، تشخیص خودکار مکالمه یکی از زمینه‌های بسیار حیاتی در حوزه پردازش مکالمه محسوب می‌شود. با توجه به این که بررسی جزئیات فنی سیستم مدل wav2vec و نقش آن در بهبود درصد خطای کلمه در زمینه ی تبدیل مکالمه به متن می‌پردازد. نشخیص مکالمه ی خودکار به عنوان یکی از مهم‌ترین زمینه‌های هوش مصنوعی، امکان تشخیص و تفسیر مکالمه انسان را توسط کامپیوترها فراهم می‌کند. این فناوری برای انجام وظایف مختلفی از جمله ترجمه زنده، سیستم‌های پاسخ‌گویی به صدا و ابزارهای تایپ صوتی استفاده می‌شود. سیستم wav2vec، به عنوان یکی از پیشروهای اخیر در حوزه سخن‌شناسایی خودکار، با بهره‌گیری از مدل‌های عمیق یادگیری ماشین و یادگیری انتقالی، توانایی بالایی در تشخیص و ترجمه مکالمه انسانی را به متن دارد. این سیستم مبتنی بر مدل‌های تبدیل اندازه‌های طیفی صوت به متن بوده و با استفاده از داده‌های آموزشی بزرگ، می‌تواند بهبود چشمگیری در نرخ خطا در تبدیل مکالمه به متن داشته باشد. فرآیند توسعه و بهینه‌سازی کد سیستم wav2vec به‌منظور کاهش نرخ خطا در تبدیل مکالمه به متن به‌طور جامع بررسی و با استفاده از داده‌های متنوع و فنون مختلف یادگیری ماشین، موفقیت‌آمیز ترین روش‌ها برای کاهش نرخ خطا شناسایی و ارزیابی شده است. با استفاده از مجموعه داده Common Voice 11، نتایج این تحقیق نشان می‌دهد که با بهره‌گیری از تکنولوژی wav2vec، نرخ خطای تبدیل مکالمه به متن به‌طور معناداری از (30.12٪) به (28.018٪) کاهش یافته که کاهش قابل توجهی از درصد خطای کلمه است که باعث می¬شود تشخیص خودکار مکالمه با دقت بالاتری به سرانجام برسد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14370 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 25533 COM A 42 1402 پایان‌نامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت
نوع مدرک: متون چاپی سرشناسه طهماسیان ، آرائیک، نویسنده شماره بازیابی : COM soft 75 1402 عنوان : تشخیص خودکار مواد بازیافتی با استفاده از مدل یاد گیری عمیق عنوان موازی : Automatic Waste Detection using Deep Neural Network ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 74ص شابک/شاپا 25544 یادداشت پایان نامه کارشناسی ارشد: در رشته مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : نصر اصفهانی ، ابراهیم، استاد راهنما یراقی ، شکوفه، استاد مشاور توصیفگرها تفکیک زباله، تشخیص شئ، شبکه عصبی کانولوشن، الگوریتم YOLO Waste Management, Object Detection, Convolution Neural Network, , YOLO Algorithm چکیده : زباله، به عنوان یک چالش گسترده با پیامدهای زیست‌محیطی، اجتماعی و اقتصادی، در اشکال مختلف بر جوامع تأثیر می‌گذارد. مدیریت نادرست زباله می‌تواند به عنوان عامل اصلی تخریب محیط‌زیست ظاهر شود، زیرا مکان‌های دفن زباله باعث آلودگی خاک و آب، تهدید اکوسیستم‌ها و سلامت انسان‌ها می‌شوند. آسیب‌های از زباله، به ویژه پلاستیک در اقیانوس‌ها، به حیات دریایی آسیب می‌زند و گازهای گلخانه‌ای ناشی از تجزیه زباله‌های آلی، تغییرات آب و هوایی را تشدید می‌کند. مدیریت هوشمند زباله با استفاده از فناوری‌های یادگیری عمیق و بینایی رایانه‌ای، عملیات مرتب‌سازی و بازیافت را بهبود می‌بخشد و به کاهش زباله‌ها و استفاده پایدار از منابع کمک می‌کند. یکی از الگوریتم های تشخیص اشیاء الگوریتم YOLO است که با سرعت و دقت بالا می تواند به صورت بلادرنگ اشیاء را تشخیص دهد. مدل پیشنهادی در این تحقیق نسخه YOLOv8 از این الگوریتم است و این مدل بر روی مجموعه داده WaRP آموزش داده شده است که شامل 28 نوع کلاس برای انواع مواد بازیافتی است. نتایج بدست آمده مدل دقت 0.719، فراخوانی 0.614، میانگین دقت متوسط50 0.64 و میانگین دقت متوسط95-50 0.53 می باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14381 زبان مدرک : فارسی
شماره ثبت شماره بازیابی نام عام مواد محل نگهداری بخش وضعیت ثبت وضعیت امانت 25544 COM soft 75 1402 پایان‌نامه دانشگاه شهید اشرفی اصفهانی مرکزی اسناد مرجع غیر قابل امانت
