بازشناسی گفتار توسط شبکه های عصبی مدولار بر مبنای بکارگیری توام نواحی صوتی یکنواخت و گذرا

کارهای قبلی بر روی بازشناسی گفتار به کمک شبکه های عصبی غالبا بر تقطیع واجی و یا نگاشت مسیر بردار بازنمایی گفتار به فضای واج ها متکی بوده اند . در این روشها به علت نحوه برچسب دهی در مرزهای واج ها بخشی از اطلاعات مفید گفتار ممکن است از دست بروند . برخی نتایج نشان میدهند که اولا نواحی مرزی و گذری واج ها برای شناسایی به عنوان احدهای صوتی پتانسیل خوبی دارند و دوم اینکه بازشناسی نواحی گذری سریع آواها به عنوان نشانه های صوتی ثابت توسط شبکه های عصبی به کیفیت بازشناسی بالائی منجر گردیده است . بازشناسی مجزای نواحی یکنواخت و نواحی گذری آواها بر مبنای تفکیک همخوان ، واکه و ترکیب نتایج آنها را بر روی گفتار فارسی پیاده سازی نموده ایم . بررسی خطاهای عملکرد این مدل نشان داده اند که برخی نکات نظری زبان شناختی پیرامون همخوانها و واکه ها با نتایج پیاده سازی مهندسی کاملا تطبیق نمی کند .