Распознавание личности по голосу (на основе нейронных сетей)

@Stasq329 · Регистрация: 01.05.2014

Студворк — интернет-сервис помощи студентам

Такая задач. Записали фонетически сбалансированный текст. (несколько человек) Разделили его на фонемы. Написали программу, которая будет выделять отличительные признаки (на основе некоторых преобразований). Получился текстовый файл с параметрами. Задача состоит в следующем. Создать, обучить нейронную сеть, чтобы потом, когда записывался звук, она говорила, кто этот человек(если он есть в базе). Проще всего реализовать в среде матлаб. Как я понимаю, надо создать нейронную сеть такого принципа. У нас есть выходные данные(как эталон) и будут входные. Если они совпадают (за исключением погрешности), то это тот человек, а если нет, то не тот. Но вот с реализацием проблемы. Буду рад любым советам.

Добавлено через 6 минут
Примерный план такой

@Ruclik · 15.04.2015, 11:17

Задача весьма интересная! Я думаю, для этого подойдет нейронная сеть прямого распространения. Если количество распознаваемых личностей невысоко, то рекомендую использовать сеть типа patternnet(hiddenSizes,trainFcn,performF cn). У неё количество нейронов в выходном слое соответствует числу распознаваемых объектов. Эта сеть эффективно работает в задачах классификации объектов.

@Stasq329 · 16.04.2015, 17:54 **[ТС]**

А не подойдет например слой Кохонена. Его как-то проще реализовать. Смотрите:
В файле проба.txt параметры NFC и FFC.

Matlab M
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
clear all
X=load('Проба.txt')
scatter(X(:,1),X(:,2))
R1=min(X);
R2=max(X);
R=[R1;R2]
R=R'
X=X'
%создание слоя Кохонена
net=newc(R,4);
%обучение слоя Кохонена
net.trainParam.epochs=100;
net=train(net,X)
%определение центров кластеров
IW=net.IW{1,1}
%классифицирование исходных данных
Y=sim(net,X)
ind=vec2ind(Y)
%отображение найденных кластеров
figure
hold on
plot(IW(:,1),IW(:,2),'*')
gscatter(X(1,:),X(2,:),ind)

Добавлено через 1 минуту
И потом берем какой-нибудь произвольную фонему, которую надо распознать. Вставляем. И получаем к какому кластеру он относиться. И так весь текст. он нам скажет, к какому кластеру, какая фонема подходит. Мы спрогнозируем результат.

Добавлено через 17 минут
Каждая фонема делится на что-то вроде окна. Например:

Кликните здесь для просмотра всего текста

-996.461 -305.397
157.404 145.242
74.8433 -31.9499
31.397 24.8227
37.4218 -15.4981
40.452 -12.2773
12.3759 -62.6274
-16.4842 -4.92772
-14.5759 -7.32475
3.06139 -13.2336
5.39452 -27.3361
-6.19559 -4.54637
-8.42717 -14.8745

-932.013 -219.946
207.585 177.656
66.7402 -54.2249
14.2191 20.6341
36.7932 -11.7943
50.0151 -17.4747
13.2619 -69.5255
-28.3025 -10.2579
-16.1496 0.302608
9.88504 -23.8266
0.00115526 -23.9354
-12.6043 0.959531
-6.91991 -17.3104

-909.888 -195.258
227.109 188.069
68.4174 -61.5598
8.06961 5.39368
29.3391 -11.4077
47.648 -17.3823
15.8036 -63.8765
-26.7964 -19.3936
-13.2079 -4.35472
13.2673 -32.5615
-2.5645 -30.4017
-16.5222 1.83877
-9.03047 -19.6733

-945.923 -238.738
205.731 176.825
80.6934 -47.8206
15.7183 1.76602
24.2038 -19.4101
33.5537 -7.39212
8.64758 -46.2897
-12.6465 -8.24538
-0.0493044 -15.3234
17.7657 -34.9377
7.48875 -34.8964
-15.3293 -0.6326
-18.7806 -14.7913

-976.993 -271.951
156.603 123.302
60.7617 -29.6311
53.7183 58.4914
61.064 -26.3952
23.581 -19.1581
1.69591 -38.2568
19.0127 -8.48652
9.80615 -51.7677
-16.8786 -6.18391
-11.5443 -12.9022
0.582928 -25.6976
-3.76262 -14.2515

-756.263 -34.2384
233.506 149.771
-5.88838 -116.531
32.7482 15.9187
4.26932 -65.8851
12.7089 -19.1872
-21.4773 -52.5676
-11.2818 3.28389
2.14128 -24.2353
-21.4061 2.04776
-8.17066 8.94301
-17.0779 -7.17531
3.67261 -15.6825

-707.368 25.9415
273.585 175.764
-5.69964 -134.092
7.21188 -14.7058
-12.6425 -59.6274
28.2877 -17.3982
-41.7874 -60.1079
-29.5749 24.7311
37.8551 -28.5682
-21.7882 -25.0195
-23.2677 34.2904
-13.3947 -19.9255
1.78822 -19.5144

-716.045 20.7601
274.338 180.85
10.3922 -120.97
6.06493 -27.0913
-17.578 -65.602
19.1899 -18.4495
-48.884 -50.2853
-31.62 33.5452
43.0457 -29.5714
-9.96101 -37.0829
-10.1458 21.2902
-8.73799 -16.9659
-10.2996 -10.3717

Это фонема д. Как моей сети загрузить данные. и сказать, что это именно д. И точка.

Добавлено через 1 час 41 минуту
http://nauka-rastudent.ru/13/2355/

Вот здесь показан пример, как устроена работа нейронной сети, но с изображениями. Вместо входных картинок- можно использовать текстовые файлы с параметрами.

@Ruclik · 16.04.2015, 19:58

Зачем вам использовать слой Кохонена, который предназначен для кластеризации данных, т.е обучение без учителя (а у вас есть учитель!) . С ним вы не получите нужного результата. К тому же однослойная сеть вряд ли справится с вашей задачей.
У вас есть обучающая выборка(пары вход-выход). Попробуйте использовать сеть patternnet. Она состоит из двух слоев. Количество нейронов в выходном слое равно количеству распознаваемых классов. Количество нейронов в скрытом слое потом можно определить опытным путем (для начала оставить равным 10).

Добавлено через 38 минут
Входные данные организуйте матрицей МхN, где M - количество входов сети, т.е. количество значений в фонеме (26), N - количество фонем.
И соответственно целевая матрица LxN, где L - количество распознаваемых классов, т.е количество выходов сети, а N - количество фонем. При этом каждый столбец этой матрицы состоит из нулей, кроме одной строки, в которой стоит единица. Эта строчка и будет соответствовать правильной фонеме.

Добавлено через 11 минут

Matlab M
1
2
3
4
5
6
7
8
9
10
net = patternnet(10); % Создание сети   10-количество нейронов в скрытом слое
 
% Некоторые параметры, которые можно поменять.
%net.trainFcn = 'trainlm';  Функция обучения, например, trainlm
%net.performFcn = 'mse';  Функция оценки, например, mse - среднеквадратическое отклонение 
%net.trainParam.epochs  = 100; Количество итераций, после которых заканчивается обучение
%net.trainParam.goal =0.001;    Точность(значение mse), при достижении которой заканчивается обучение
 
[net, tr] = train(net,Input,Output); %Обучение сети
%view(net);  Показывает созданную сеть

@Stasq329 · 16.04.2015, 21:11 **[ТС]**

Я только недавно начал разбираться в нейронных сетях, а знания матлаба у меня вообще нулевые.
смотрите как сделал.

Прочитал 3 фонемы
clear all
FonemaD=load('d_wav_MFCC_GFCC.txt')
FonemaR=load('r_wav_MFCC_GFCC.txt')
FonemaY=load('y_wav_MFCC_GFCC.txt')
FonemaR1=load('r(zahuml)_wav_MFCC_GFCC.t xt')

4 фонева- это некоторые изменения монемы р, для итоговой проверки.

потом создаю матрицу.
Alfavit=[FonemaD, FonemaR, FonemaY]; (где он начинает ругаться)

потом создаю переменные, которые добавлю в Target data.
а именно:
T=eye(208);
T1=T;
T2=T;

потом в окне самой программы ввожу NNtool. Открывается меню создания сети. где ввожу входные данные. потом создаю сеть. обучаю ее матрицей (если она заработает) а потом проверяю контрольным txt. Все описал, как должно идти. Но в идеале не все так прекрасно.

Добавлено через 27 минут
Обучаю 1 фонему, норм, 2 тоже норм. на 3 выдает:Insufficient number of outputs from right hand side of equal sign to satisfy assignment.

Error in ==> nntool at 681
[errmsg,errid] = me.message;

@Ruclik · 17.04.2015, 20:51

Предлагаю вам попробовать решить более простую задачу, например, построить нейронную сеть, которая выполняет операцию "Исключающее ИЛИ", чтобы понять принцип работы и какие данные, как и куда нужно загружать. Примеры в интернете есть. А потом уже переходить к более сложной вашей задаче.

@Stasq329 · 17.04.2015, 23:20 **[ТС]**

Для меня это не вариант..Времени нету. так что приходиться изучать все сразу

Новые блоги и статьи Все статьи Все блоги /
Символьное дифференцирование igorrr37 13.02.2026 / * Логарифм записывается как: (x-2)log(x^2+2) - означает логарифм (x^2+2) по основанию (x-2). Унарный минус обозначается как ! */ #include <iostream> #include <stack> #include <cctype>. . .	Камера Toupcam IUA500KMA Eddy_Em 12.02.2026 Т. к. у всяких "хикроботов" слишком уж мелкий пиксель, для подсмотра в ESPriF они вообще плохо годятся: уже 14 величину можно рассмотреть еле-еле лишь на экспозициях под 3 секунды (а то и больше),. . .	И ясному Солнцу zbw 12.02.2026 И ясному Солнцу, и светлой Луне. В мире покоя нет и люди не могут жить в тишине. А жить им немного лет.	«Знание-Сила» zbw 12.02.2026 «Знание-Сила» «Время-Деньги» «Деньги -Пуля»
SDL3 для Web (WebAssembly): Подключение Box2D v3, физика и отрисовка коллайдеров 8Observer8 12.02.2026 Содержание блога Box2D - это библиотека для 2D физики для анимаций и игр. С её помощью можно определять были ли коллизии между конкретными объектами и вызывать обработчики событий столкновения. . . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL_LoadPNG (без SDL3_image) 8Observer8 11.02.2026 Содержание блога Библиотека SDL3 содержит встроенные инструменты для базовой работы с изображениями - без использования библиотеки SDL3_image. Пошагово создадим проект для загрузки изображения. . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL3_image 8Observer8 10.02.2026 Содержание блога Библиотека SDL3_image содержит инструменты для расширенной работы с изображениями. Пошагово создадим проект для загрузки изображения формата PNG с альфа-каналом (с прозрачным. . .	Установка Qt-версии Lazarus IDE в Debian Trixie Xfce volvo 10.02.2026 В общем, достали меня глюки IDE Лазаруса, собранной с использованием набора виджетов Gtk2 (конкретно: если набирать текст в редакторе и вызвать подсказку через Ctrl+Space, то после закрытия окошка. . .

@Stasq329 0 / 0 / 0 Регистрация: 01.05.2014 Сообщений: 15

	Распознавание личности по голосу (на основе нейронных сетей) 14.04.2015, 13:43. Показов 2807. Ответов 6 Метки нет (Все метки) Такая задач. Записали фонетически сбалансированный текст. (несколько человек) Разделили его на фонемы. Написали программу, которая будет выделять отличительные признаки (на основе некоторых преобразований). Получился текстовый файл с параметрами. Задача состоит в следующем. Создать, обучить нейронную сеть, чтобы потом, когда записывался звук, она говорила, кто этот человек(если он есть в базе). Проще всего реализовать в среде матлаб. Как я понимаю, надо создать нейронную сеть такого принципа. У нас есть выходные данные(как эталон) и будут входные. Если они совпадают (за исключением погрешности), то это тот человек, а если нет, то не тот. Но вот с реализацием проблемы. Буду рад любым советам. Добавлено через 6 минут Примерный план такой 0

@Ruclik 0 / 0 / 0 Регистрация: 25.04.2014 Сообщений: 3
	15.04.2015, 11:17
	Задача весьма интересная! Я думаю, для этого подойдет нейронная сеть прямого распространения. Если количество распознаваемых личностей невысоко, то рекомендую использовать сеть типа patternnet(hiddenSizes,trainFcn,performF cn). У неё количество нейронов в выходном слое соответствует числу распознаваемых объектов. Эта сеть эффективно работает в задачах классификации объектов. 0

@Stasq329 0 / 0 / 0 Регистрация: 01.05.2014 Сообщений: 15
	16.04.2015, 21:11 [ТС]
	Я только недавно начал разбираться в нейронных сетях, а знания матлаба у меня вообще нулевые. смотрите как сделал. Прочитал 3 фонемы clear all FonemaD=load('d_wav_MFCC_GFCC.txt') FonemaR=load('r_wav_MFCC_GFCC.txt') FonemaY=load('y_wav_MFCC_GFCC.txt') FonemaR1=load('r(zahuml)_wav_MFCC_GFCC.t xt') 4 фонева- это некоторые изменения монемы р, для итоговой проверки. потом создаю матрицу. Alfavit=[FonemaD, FonemaR, FonemaY]; (где он начинает ругаться) потом создаю переменные, которые добавлю в Target data. а именно: T=eye(208); T1=T; T2=T; потом в окне самой программы ввожу NNtool. Открывается меню создания сети. где ввожу входные данные. потом создаю сеть. обучаю ее матрицей (если она заработает) а потом проверяю контрольным txt. Все описал, как должно идти. Но в идеале не все так прекрасно. Добавлено через 27 минут Обучаю 1 фонему, норм, 2 тоже норм. на 3 выдает:Insufficient number of outputs from right hand side of equal sign to satisfy assignment. Error in ==> nntool at 681 [errmsg,errid] = me.message; 0

@Ruclik 0 / 0 / 0 Регистрация: 25.04.2014 Сообщений: 3
	17.04.2015, 20:51
	Предлагаю вам попробовать решить более простую задачу, например, построить нейронную сеть, которая выполняет операцию "Исключающее ИЛИ", чтобы понять принцип работы и какие данные, как и куда нужно загружать. Примеры в интернете есть. А потом уже переходить к более сложной вашей задаче. 0

@Stasq329 0 / 0 / 0 Регистрация: 01.05.2014 Сообщений: 15
	17.04.2015, 23:20 [ТС]
	Для меня это не вариант..Времени нету. так что приходиться изучать все сразу 0