research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
Segmentation of Conversational Speech Using Probabilistic Neural Network
تقطيع المحاورات الكلامية باستخدام الشبكة العصبية الاحتمالية

Author: Dr. Ahmed Maamoon Alkababji د.احمد مأمون فاضل
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2010 Volume: 18 Issue: 3 Pages: 62-70
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

AbstractAutomatic segmentation of audio streams according to speaker identities, environmental and channel conditions has become an important preprocessing step for speech processing, speaker recognition and audio mining. This paper presents an automatic speech segmentation system where the performance of the probabilistic neural network (PNN)(which is the main part of the system) is examined and then enhanced in the area of segmentation of conversational speech. The results show that a percentage false segmentation (PFS) of 18% can be achieved. PFS is dropped to 6.1% enhancing the system. The experiments were carried out on a dataset created by concatenating speakers from the TIMIT database.Keywords: Speech segmentation, PNN, Probabilistic neural network.

الملخصلقد أصبح التقطيع الذاتي للاسترسال الكلامي اعتماداً على هوية المتكلم أوالبيئة التي تم الكلام فيها أو القناة التي نقلت الكلام من المراحل المهمة في المعالجة المسبقة التي تتم على الكلام لعمليات مثل تمييز المتكلم أو تمييز الكلام. في هذا البحث تم تقديم نظام تقطيع ذاتي تم من خلاله استكشاف إمكانيات الشبكة العصبية الاحتمالية على تقطيع المحاورات الكلامية كما تم تحسين أداء النظام للحصول على نتائج أفضل حيث أظهرت النتائج إمكانية الحصول على نسبة خطأ في التقطيع مقدارها 18%, في حين انخفضت هذه النسبة إلى 6,1% بعد إجراء عملية التحسين على النظام. تم استخدام مجموعة TIMIT كقاعدة أصوات لتقييم أداء النظام.


Article
Brain Tumors Classification by Using Gray Level Co-occurrence Matrix, Genetic Algorithm and Probabilistic Neural Network
تصنيف أورام الدماغ باستخدام GLCM، ألخوارزمية ألوراثية و الشبكة ألعصبية ألاحتمالية

Loading...
Loading...
Abstract

Background:Brain tumors classification by MRI (Magnetic Resonance Imaging) is important in medical diagnosis because it provides information associated with anatomical structures as well as potential abnormal tissues necessary for treatment planning and patient's case follow-up. There are a number of techniques for medical image classification. In this paper brain tumors detection and classification system are developed into seven tumors types. The image processing techniques such as preprocessing by using a mean filter and feature extraction have been implemented for the detection of a brain tumor in the MRI images. In this paper, extraction of texture features using GLCM (Gray Level Co-occurrence Matrix). We used Probabilistic Neural Network Algorithm (PNNA) for image classification technique based on Genetic Algorithm (GA) and K-Nearest Neighbor (K-NN) classifier for feature selection is proposed in this paper. Objective: MRI brain tumors detection and classification system by using GA and PNN which able to diagnose different types of tumors in human brain.Patients and Methods: Medical image techniques are used to imaging the internal structures of the human body for medical diagnosis. Image processing is an effective field of research in the medical field. MRI dataset, obtained from the Atlas Website of Harvard University.Results: Brain Tumors are classified by using the genetic algorithm where the total number of features (20 features) has been reduced to 10 features as the strongest features in the classification. Conclusion: MRI brain image is one of the best methods in brain tumor detection and classification, by observing only MRI images the specialists are unable to keep up with diagnosing. Hence, the computer-based diagnosis is necessary for the correct brain tumor classification.

خلفية الدراسة: تصنيف أورام الدماغ للرنين المغناطيسي (التصوير بالرنين المغناطيسي) أمر مهم في التشخيص الطبي لأنه يوفر المعلومات المرتبطة بالهياكل التشريحية وكذلك الأنسجة الطبيعية المحتملة اللازمة لتخطيط العلاج و متابعه حاله المريض. يوجد عدد من التقنيات لتصنيف الصور الطبية. في هذا البحث يتم تطوير نظام الكشف عن أورام الدماغ وتصنيفها إلى سبعه أنواع من الأورام. وقد تم تنفيذ تقنيات معالجه الصور مثل Preprocessing باستخدام Mean Filter و Feature Extraction للكشف عن أورام في الدماغ في صور الرنين المغناطيسي. في هذا البحث، يتم استخراج Texture Features باستخدام GLCM. لقد استخدمنا خوارزميه الشبكة العصبية الاحتمالية (PNN) لتقنية تصنيف الصور علي أساس الخوارزمية الوراثية (GA) و المصنف أقرب جار (k-NN) لاختيار الميزة المقترحة في هذا البحث.اهداف الدراسة: هدفت هذه الدراسة الى التعرف على نظام كشف وتصنيف صور الرنين المغناطيسي أورام الدماغ باستخدام GA و PNN مع أمكانية تشخيص انواع مختلفة من الاورام في دماغ الانسان.المرضى والطرائق: : تقنيات الصورة الطبية تستخدم لتصوير الهياكل الداخلية للجسم البشري للتشخيص الطبي. معالجة الصور هو مجال فعال للبحث في المجال الطبي. بيانات صور الرنين المغناطيسي تم الحصول عليها من الموقع الالكتروني أطلس لجامعة هارفارد.النتائج: صنفت الاورام باستعمال الخوارزمية الوراثية حيث تم تقليل عدد الميزات الكلي ( 20 ميزة) الى 10 ميزات كأقوى الميزات في التصنيف.


Article
Deep Learning Machine using Hierarchical Cluster Features

Authors: Sara Salman --- Jamila H. Soud
Journal: Al-Mustansiriyah Journal of Science مجلة علوم المستنصرية ISSN: 1814635X Year: 2018 Volume: 29 Issue: 3 ICSSSA 2018 Conference Issue Pages: 82-93
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

Deep learning of multi-layer computational models allowed processing to recognize data representation at multiple levels of abstraction. These techniques have greatly improved the latest ear recognition technology. PNN is a type of radiative basis for classification problems and is based on the Bayes decision-making base, which reduces the expected error of classification. In this paper, strong features of images are used to give a good result, therefore, SIFT method using these features after adding improvements and developments. This method was one of the powerful algorithms in matching that needed to find energy pixels. This method gives stronger feature on features and gives a large number of a strong pixel, which is considered a center and neglected the remainder of it in our work. Each pixel of which is constant for image translation, scaling, rotation, and embedded lighting changes in lighting or 3D projection. Therefore, the interpretation is developed by using a hierarchical cluster method; to assign a set of properties (find the approximation between pixels) were classified into one.

التعلم العميق للنماذج الحسابية متعددة الطبقات بمعالجة التعرف على تمثيل البيانات على مستويات متعددة من التجريد. هذه التقنيات حسنت بشكل كبير أحدث تقنيات التعرف على الأذن. PNN هو نوع من الأساس الإشعاعي لمشكلات التصنيف ويستند إلى قاعدة اتخاذ القرار في Bayes ، مما يقلل من الخطأ المتوقع في التصنيف. في هذه الورقة ، يتم استخدام ميزات قوية للصور لإعطاء نتيجة جيدة ، وبالتالي ، استخدمنا طريقة SIFT احدى الطرق القوية لايجاد بكسل القوي وذلك بعد ما قمتا بتحسين وتطوير الطريقة التي تعتبر واحدة من الخوارزميات القوية في المطابقة المطلوبة للعثور على بكسلات الطاقة. توفر هذه الطريقة ميزة أقوى على الميزات وتعطي عددًا كبيرًا من البكسلات القوية ، والتي تعتبر مركزًا وتهمل الجزء المتبقي منها في عملنا.كل بكسل منها ثابت لتغيرات الصور ، التدريج ، الدوران ، والإضاءة المدمجة في الإضاءة أو الإسقاط الثلاثي الأبعاد. لذلك ، يتم تطوير التفسير باستخدام أسلوب نظام تسلسل هرمي؛ لتعيين مجموعة من الخصائص (العثور على التقريب بين البكسلات) تم تصنيفها إلى واحد.

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

English (3)


Year
From To Submit

2018 (2)

2010 (1)