Türkçe fonemlerin sınıflandırılmasında kullanılan sinir ağının FPGA uygulaması
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Çekimli bir dil olması nedeniyle, Türkçe sesli ifade tanıma sistemlerinin fonemtabanlı gerçekleştirilmesi etkin bir yöntemdir. Bu tür tanıma sistemlerinde sesliifadeyi oluşturan fonemlerin tek tek tanınması ve daha sonra birleştirilmesi yoluylasesli ifade tanıma gerçekleşir.Fonem tabanlı tanıma sistemlerinde en kritik işlem fonemlerin sınıflandırılmasıdır.Veri işleme gücünü paralel dağılmış yapısından, öğrenme/genelleme ve hatayıtolere etme yeteneğinden alan yapay sinir ağları gerçek-zamanlı örüntü tanımaproblemleri için uygun ve etkin bir çözümdür.Sinir ağlarının donanım olarak gerçeklenmesindeki temel motivasyon, sesli ifadetanıma gibi karmaşık problemler için gerçek-zamanlı örüntü tanıyacak hızlaraulaşma çabası ve bu tür yapıların gömülü sistemler olarak kullanılmasıgereksinimidir.Bu tez kapsamında, fonem tabanlı Türkçe sesli ifade tanıma sistemlerindekullanılacak bir radyal tabanlı fonksiyon ağı (RTFA) tasarlanmış ve donanımmimarisi oluşturulmuştur. Gerçeklenen donanım mimarisinin benzetim ve FPGAsentez sonuçları, yazılım sonuçlarına yakın başarı oranı ile gerçek-zamanlı fonemsınıflandırması yapabilen bir sistem oluşturulduğunu göstermektedir.ANAHTAR SÖZCÜKLER: Türkçe sesli ifade tanıma, fonem sınıflandırma, sinirağları, radyal tabalı fonksiyon ağı, donanım, FPGA It is an effective method to implement Turkish speech recognition systems byphoneme-based methods as words in Turkish are mostly produced by derivationaland inflectional affixes to the roots. Phoneme based speech recognition systemsare based on the recognition of the phonemes and then recognition of the speechby combining them.Phoneme classification is considered as the most critical part of the process. Anartificial neural network (ANN), which derives its computational power throughinherent parallel structure and ability to learn and generalize, is an effectivesolution to real-time pattern recognition tasks.Real-time recognition of speech and the need for embedded speech recognizersare the fundamental motivations behind implementation of ANNs on hardware.In this study, hardware architecture of a Radial Basis Function Neural Networkwas designed and implemented for phoneme-based Turkish speech recognitionsystems. Synthesis results for FPGA indicate a real-time phoneme classifier isdesigned with a success rate close to the software simulations.KEYWORDS: Turkish speech recognition, phoneme classification, artificial neuralnetwork, Radial Basis Function Neural Network, hardware, FPGA
Collections