Regresar

Estudio, diseño e implementación de prototipo de un sistema inteligente reconocedor de voz a través de redes neuronales, para la diferenciación de las vocales y su aplicación en el campo de la alfabetización

Abstract:

El presente trabajo muestra el estudio, diseño e implementación del prototipo de un sistema inteligente reconocedor de voz con redes neuronales, para la diferenciación de las vocales y su aplicación en el campo de la alfabetización. Para la implementación del sistema mencionado se ha programado en la plataforma C#.net. El algoritmo utilizado para el proceso de aprendizaje de la RNA es el de backpropagation. Para la determinación de los valores más significativos dentro del espectro se ha utilizado la transformada de Fourier. Considerando que aún no se ha logrado implementar un sistema reconocedor de voz universal, que no necesite de entrenamiento previo de la red neuronal, el presente sistema una vez realizada las pruebas se ha conseguido el reconocimiento satisfactorio de al menos 10 tipos de voces diferentes. Además tiene la facilidad de recolectar muestras y entrenar a la RNA de manera simple dentro de la misma interfaz; con esto bastaría un previo entrenamiento para que la RNA reconozca cualquier tipo de voz de la infinidad de tipos existentes. Esta ventaja le da la facilidad de contar con un sistema reconocedor de voz universal. La interfaz consta de tres pestañas. La primera se puede visualizar un video referente a la vocal reconocida, en la segunda pestaña se muestra la gráfica de la voz capturada por el micrófono, así como la resultante de la transformada de Fourier y en la tercera pestaña, está la RNA, donde se puede apreciar la distribución de la misma, se puede capturar muestras o entradas para la RNA y se puede entrenar con algún tipo de voz que al momento la RNA presente problemas para su reconocimiento, cerrando en la parte inferior de la misma una gráfica donde se puede visualizar en tiempo real la representación gráfica del proceso de aprendizaje de la RNA, así como su convergencia en función de la caída de su error a través del número de iteraciones.