بازشناسي مقاوم اعداد گفتار فارسي با شبكه عصبي عميق

از چالش‌هاي مهم در بازشناسي اعداد در گفتار وجود نويز در صداي دريافتي دستگاه‌هاي ديجيتال و تشابهات وجهي اعداد مي‌باشد. براي مقابله با اين چالش‌ها در اين پژوهش، علاوه بر درنظرگرفتن واحد كلمه به‌جاي واحد واج، انجام عمليات داده‌افزايي به‌منظور بهبود عملكرد سيستم، يك ساختار تركيبي از دو شبكه عصبي كانولوشنال باقيمانده و شبكه عصبي واحد بازگشتي گيتي دوطرفه براي بازشناسي اعداد فارسي گسسته صفر تا نه از گفتار ارائه شده است. نتايج حاصل نشان مي‌دهند كه دقت بازشناسي گفتار روش پيشنهادي براي داده‌هاي آموزش و اعتبارسنجي به ترتيب 98.53% و 96.10% است. اين نتايج نسبت به روش‌هاي مبتني بر شبكه عصبي LSTM داراي عملكرد بهتري است.