تشخیص صدای زن و مرد در متلب با شبکه عصبی

در این پروژه با استفاده از الگوریتم شبکه عصبی  جنسیت را از روی صدا تشخیص می دهیم.

برای تشخیص صدای زن و مرد در متلب از دیتاستی شامل ۳۱۰۰ نمونه استفاده کرده ایم، ۱۸۰۰ نمونه را برای آموزش و ۳۰۰ نمونه را نیز برای تست بکار برده ایم. هر نمونه دارای ۲۰ ویژگی است که عبارتند از :

meanfreq: mean frequency (in kHz)
sd: standard deviation of frequency
median: median frequency (in kHz)
Q25: first quantile (in kHz)
Q75: third quantile (in kHz)
IQR: interquantile range (in kHz)
skew: skewness (see note in specprop description)
kurt: kurtosis (see note in specprop description)
sp.ent: spectral entropy
sfm: spectral flatness
mode: mode frequency
centroid: frequency centroid (see specprop)
meanfun: mean fundamental frequency measured across acoustic signal
minfun: minimum fundamental frequency measured across acoustic signal
maxfun: maximum fundamental frequency measured across acoustic signal
meandom: mean of dominant frequency measured across acoustic signal
mindom: minimum of dominant frequency measured across acoustic signal
maxdom: maximum of dominant frequency measured across acoustic signal
dfrange: range of dominant frequency measured across acoustic signal
modindx: modulation index

در این پروژه از دو دسته بند شبکه عصبی برای تشخیص استفاده کرده ایم. شبکه عصبی را با سه لایه شامل لایه ورودی با ۲۰ نرون، لایه پنهان با ۴۰ نرون و لایه خروجی با ۲ نرون آموزش داده ایم. بعد از دانلود پروژه می توانید تعداد لایه ها و نرون ها در شبکه عصبی.

ویژگی های تشخیص صدای زن و مرد در متلب عبارتند از:

  • برنامه نویسی با زبان متلب
  • استفاده از کتابخانه یادگیری ماشین در متلب
  • تشخیص با استفاده از شبکه عصبی (neural network)
  • توضیحات برنامه در یک فایل جداگانه

سورس پروژه های موجود در درس دانلود در زمینه یادگیری ماشین و هوش مصنوعی را می توانید از اینجا مشاهده کنید.

مراحل خرید فایل دانلودی
اگر محصول را می پسندید لطفا آنرا به اشتراک بگذارید.

دیدگاهی بنویسید

0