@Article{, title={Using Neural Network with Speaker Applications استخــدام الشبكات العصبيــة مع تطبيقــات المتكــلم}, author={Samira faris khlibs سميرة فارس خليبص and Alaa noori mazher علاء نوري مزهر}, journal={Baghdad Science Journal مجلة بغداد للعلوم}, volume={7}, number={2}, pages={1076-1081}, year={2010}, abstract={In Automatic Speech Recognition (ASR) the non-linear data projection provided by a one hidden layer Multilayer Perceptron (MLP), trained to recognize phonemes, and has previous experiments to provide feature enhancement substantially increased ASR performance, especially in noise. Previous attempts to apply an analogous approach to speaker identification have not succeeded in improving performance, except by combining MLP processed features with other features. We present test results for the TIMIT database which show that the advantage of MLP preprocessing for open set speaker identification increases with the number of speakers used to train the MLP and that improved identification is obtained as this number increases beyond sixty. We also present a method for selecting the speakers used for MLP training which further improves identification performance.

في عمليات تمييز الكلام(ASR) , توجه البيانات اللاخطية الناتجة من طبقة مخفية من طبقات (MLP) , لتميز إحدى وحدات الكلام الصغرى (Phonemes) , لتحسين الخصائص التي تزيد من أداء إل (ASR) خصوصا بوجود الضوضاء. وفي المحاولات السابقة التي طبقت لتمييز الكلام لم تنجح في تحسين الأداء باستثناء الدمج ما بين خصائص المعالجة بوساطة (MLP) مع خصائص أخرى. لقد عرضنا نتائج اختبارات لقاعدة بيانات (TIMIT) والتي بينت فوائد المعالجة الأولية ل (MLP) باتجاه تعريف مجموعة من المتكلمين وذلك بزيادة عدد المتكلمين المستخدمين لتدريب إل (MLP) عن إل (60)التي تمكنت من تحسين الأداء. كذلك بينا طريقة لاختيار المتكلمين المستخدمين لتدريب إل (MLP) والتي أعطت بعدا أكثر في أيجاد التماثل.} }