Estudo de uma rede neural artificial para o domínio contínuo inspirada na \"Sparse Distributed Memory\".

• Ano de defesa: 2000
• Autor(a) principal: Blanco, Marcelo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial neural networks (Applications); Automatic speaker recognition; Reconhecimento automático do locutor; Redes neurais artificiais (Aplicações)
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-28082024-112703/

Neste trabalho é avaliado um novo modelo de Rede Neural Artificial (RNA), inspirado na Sparse Distributed Memory (SDM) desenvolvida por Pentti Kanerva em 1988, capaz de operar com vetores de coeficientes reais e obter uma classificação não linear a partir de um treinamento realizado em uma única época. A avaliação do modelo proposto, denominado Field Distributed Memory (FDM), é realizada através de sua aplicação ao problema do reconhecimento automático do locutor (RAL) em uma tarefa de identificação de locutores em um conjunto fechado e posterior comparação com o resultado obtido previamente para as redes neurais MLP e RBF, utilizando a mesma base de dados e os mesmos parâmetros de pré-processamento e geração dos parâmetros. É apresentada uma exposição breve da teoria de redes neurais artificiais e do reconhecimento automático do locutor, com ênfase nos aspectos diretamente ligados ao trabalho aqui desenvolvido, seguida de uma exposição sobre a estrutura e o funcionamento da FDM. Na avaliação experimental são utilizados os Coeficientes Mel-Cepstrais gerados, aplicados a um programa que implementa a FDM especialmente para a tarefa de identificação do locutor. Os resultados obtidos são comparados com os resultados obtidos em trabalho anterior. A viabilidade da FDM para a aplicação proposta foi constatada com a obtenção de resultados compatíveis com os gerados pelos paradigmas comparados, e alguns destes resultados obtidos com a FDM indicam ter este modelo potencial para competir com outras RNAs que apresentam bom desempenho.