research centers


Search results: Found 5

Listing 1 - 5 of 5
Sort by

Article
HMM Based POS Tagging System for 8 Different Languages and Several Tagsets
نظام ترميز اقسام الكلام معتمداموديل ماركوف المخفي لثمان لغات وعدة مجاميع ترميز

Authors: Ahmed Hussein Aliwy --- Rosual Ali Radie --- Hiba Sarteel Hamed
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2015 Volume: 33 Issue: 2 Part (B) Scientific Pages: 326-337
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

We propose, in this paper,Part-Of-Speech (POS) tagging system is proposed which based on Hidden Markov Model (HMM) for several languages. HMM is implemented using Viterbi algorithm on 8 languages; English, Hindi, Telugu, Bangla (Bengali), Marathi, Standard Chinese, Portuguese and Spanish. The data for these languages were taken from the freely available corpora: Brown, NPS-Chat, Indiana, Sinica, Floresta and CESS-ESP Corpora. HMM is the most learning method used in many NLP applications, especially POS tagging. HMM taggerwas implemented by other researchersfor a lot of languages, where each one take his mother tongue language.system testing is done by splitting each corpus to 99% training and 1% testing. This testis repeated for 10 times by changing the training and test data. The accuracies (average for all 10 tests) for English (using two tagsets of 40 tags and 472 tags), English (NPS corpus), Hindi, Telugu, Bangla or Bengali, Marathi, Standard Chinese, Portuguese (using two tagsets of 32 tags and 269 tags), and Spanish (using two tagsets of 14 tags and 289 tags) are (95.3%& 92.39%), 87.17%, 81.3%, 74.03%, 72.01%, 69.56%, 87.59%, (84.56%& 83.95%), and (94.26%& 92.08%) respectively.Several languages are taken for recording the limitations of HMM tagger on different languages as will be seen, I.e, the limitations of using one method on many different languages are recorded. Same corpus annotated with different tagsetsis taken for studying the effect of tagset’s size.Also two different corpora, for the same language, are taken. According to our knowledge, there isn’t study implemented HMM on such various cases as in our work.We provide an executable application for tagging all words in any sentence for any of the used 8 languages in our work. The unknown words (words not exist in the trained data) are manipulated by a simple method as Laplace smoothing.

نقترح في بحثنا نظام ترميز الكلمات باقسام الكلام باستخدام طريقة HMM لعدة لغات.طبّقناHMM باستخدام خوارزمية Viterbi على ثمان لغات هي اللغة الانجليزية والهندية والتلوكو والبنكالية والمهاراتية والصينية القياسية والبرتغالية والاسبانية. البيانات لهذه اللغات اخذناها من ذخائر (مدونات) موجودة بشكل مجاني وهيBrown, ,NPS-Chat Indiana, Sinica, Floresta و CESS-ESP.HMM هي من اكثر طرق التعلم المستخدمة في تطبيقات كثيرة لمعالجة اللغات الطبيعية خصوصا الترميز باقسام الكلام,وانبعض الباحثين الاخرين نفذوا مرمز HMM على لغات كثيرة حيث كل باحث نفذها على لغته.تنفيذنا للنظام تم من خلال تقسيم كل ذخيرة (البيانات) الى 99% للتدريب و 1% للفحص, هذه العملية تعاد لعشرة مرات من خلال تغيير بيانات التدريب والفحص, وكانت الدقة (كمعدل لجميع الفحوصات(للغة الانجليزية (مجموعتي ترميز 40 و472 رمز) والانكليزية (ذخيرة NPS-Chat) والهندية والتلوكو والبنكالية والصينية القياسية والبرتغالية (مجموعتي ترميز 32 و269 رمز) والاسبانية (مجموعتي ترميز 14 و289 رمز) هي (95.3% و 92.39%), 87.17%, 81.3%, 74.03%, 72.01%, 69.56%, 87.59%, (84.56% و 83.95%) و (94.26%, 92.08%) على الترتيب.اللغات المختلفة اخذناها لغرض تسجيل تحديدات مرمز HMM على لغات مختلفة كما سنرى, وهذا يعني تسجيل التحديدات باستخدام طريقة واحدة على عدة لغات. كذلك اخذنا نفس الذخيرة معنونة بمجموعة رموز مختلفة لغرض دراسة تاثير حجم مجموعة الرموز,بالاضافة الى ذلك اخذنا ذخيرتين مختلفتين لنفس اللغة,فحسب معلوماتنا ليس هناك دراسة معمقة منفذة على مرمز HMM بنفس الحالات المأخوذة في هذا العمل.وفرنا ايضا برنامج تطبيقي لترميز جميع الكلمات لاي جملة من اي من اللغات المستخدمة في عملنا. الكلمات الغير معروفة (غير موجودة في بيانات التدريب) عالجناها بطريقة بسيطة جدا وهي Laplace smoothing


Article
Unlimited security by using voice and walk stamp as tools

Author: Atheel Sabih Shaker
Journal: Journal of Baghdad College of Economic sciences University مجلة كلية بغداد للعلوم الاقتصادية الجامعة ISSN: 2072778X Year: 2019 Volume: 2019 Issue: 8 Pages: 386-397
Publisher: Baghdad College of Economic Sciences كلية بغداد للعلوم الاقتصادية

Loading...
Loading...
Abstract

Speech recognition technology has been in use for a long time but with the last advancements of mobile device technology, it is now easier to get access to it. Nowadays, people use speech recognition speaking to their smartphones, using their voices to interact with it. The recognition process is also faster, more effective and more efficient due to new computer architectures that bring more computational power and as a result of machine learning advancements. Nowadays, to conduct speech recognition, we can consider a scenario where a user records its speech with a smartphone, sends it to a server, and the server performs the recognition using the recognition models and the computational power it has. But Security system may be defined as mixing between multi method and tools to improve goal. The use of Garbled Circuits was only been seen as of theoretical interest for a long time, but with last year advances, they are now starting to be tested and used in some practical scenarios. Hidden Markov Models are widely used models in speech recognition representing the acoustic characteristics of spoken language. This paper introduces the study security-preserving speech recognition and walk. Using Hidden Markov Models and Garbled Circuits.


Article
Influence of Noisy Environment on the Speech Recognition Rate Based on the Altera FPGA
تأثیر البیئة الصاخبة على معدل تمییز الكلام مستند على البوابات المنطقیة المبرمجة نوع اللتیرا

Authors: Eyad I. Abbas --- Alaa Abdulhussain Refeis
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2013 Volume: 31 Issue: 13 Part (A) Engineering Pages: 2513-2530
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper introduce an approach to study the effects of different levels ofenvironment noise on the recognition rate of speech recognition systems, which arenot used any type of filters to deal with this issue. This is achieved by implementingan embedded SoPC (System on a Programmable Chip) technique with Altera Nios IIprocessor for real-time speech recognition system. Mel Frequency CepstralCoefficients (MFCCs) technique was used for speech signal feature extraction(observation vector). Model the observation vector of voice information by usingGaussian Mixture Model (GMM), this model passed to the Hidden Markov Model(HMM) as probabilistic model to process the GMM statistically to make decision onutterance words recognition, whether a single or composite, one or more syllablewords. The framework was implemented on Altera Cyclone II EP2C70F896C6NFPGA chip sitting on ALTERA DE2-70 Development Board. Each word model(template) stored as Transition Matrix, Diagonal Covariance Matrices, and MeanVectors in the system memory. Each word model utilizes only 4.45Kbytes regardlessof the spoken word length. Recognition words rate (digit/0 to digit/10) given 100%for the individual speaker. The test was conducted at different sound levels of thesurrounding environment (53dB to 73dB) as measured by Sound Level Meter (SLM)instrument.


Article
Improve Pattern Recognition Performance Based on Fractal Geometry Selection

Author: Thamir R. Saeed
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2018 Volume: 26 Issue: 1 Pages: 19-34
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

In n-tuple and Hidden Markov Model(HMM) the recognition has been based on the feature selection. The feature selection in n-tuple depends on the number of tuples and its location. While, in HMM the feature has been related to the states. Where, the suitable features selection lead to optimal recognition. In this paper, a novel approach has presented for n-tuple and Hidden Markov model feature selection by using the Sierpiński fractal technique. The memory size and the recalling time taken to get individual classifier response has been reduced by 29.35% while the recognition is advancing the conventional n-tuple by 12.5% and 11.6% with and without frequency of occurrence respectively. In addition, the improvements noted in the HMMF proposed algorithm is 2.19% in recognition side, while it is 60% in complexity reduction. This approach is found to be robust in the presence of noise, where, the n-tupleF has advanced in recognition by 38.27% the conventional n-tuple algorithms, while HMMF has overperformed the n-tupleF by 14.44%. Simulation results show the maximum recognition is 92.3% for n-tupleF for character recognition, and HMMF is 99.98% for face recognition.

التمييز في طرق ان-صفوف وموديل ماركوف المخفي يبنى على اختيار السمات. والسمات في طريقة ان-صفوف تعتمد على عدد الصفوف وموقعها. بينما في موديل ماركوف المخفي السمات قد ارتبطت بالحالات. حيث ان اختيار السمات المناسبة يؤدي الى افضل تمييز. في هذه الورقة تم تقديم نهجا جديد ل ان-صفوف وموديل ماركوف المخفي لأختيار السمات باستخدام تقنية سيربنسكي الكسورية. حجم الذاكره والوقت المشار اليه الماخوذ لأداء كل مصنف قل بمقدار 29.35% بينما التمييز تقدم عن ان-مصفوف التقليدي ب 12.5% مع تكرار الحدث و 11.6% بدون تكرار الحدث. بالاضافة الى التحسن بموديل ماركوف المخفي المقترح كان بمقدار 2.19% في التمييز بينما قل التعقيد بمقدار 60%. هذا التقرب وجد انه قوي بوجود الضوضاء حيث ان التمييز ل ان-صفوف تقدم عن ان-صفوف التقليدي بمقدار 38.27% بينما تقدم موديل ماركوف المخفي بمقدار 14.44%عن التقليدي. نتائج المحاكاة اضهرت اعلى تمييز كان 92.3% ل ان -صفوف لتمييز الحروف و99.98% لمودي ماركوف المخفي لتمييز الوجوه.


Article
Using Markov Switching Model to Investigate the Link between the Inflation and Uncertain Inflation in Iraq for the periods 1980-2010"
استعمال أنموذج تبديل ماركوف للتحقق من الرابط بين التضخم والتضخم غير المؤكد في العراق للمدة (1980-2010)

Authors: مناف يوسف --- مرتضى عسكر مردان
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2013 Volume: 19 Issue: 71 Pages: 334-350
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In this paper we use the Markov Switching model to investigate the link between the level of Iraqi inflation and its uncertainty; forth period 1980-2010 we measure inflation uncertainty as the variance of unanticipated inflation. The results ensure there are a negative effect of inflation level on inflation uncertainty and all so there are a positive effect of inflation uncertainty on inflation level

في هذا البحث سوف يتم استخدام احد نماذج ماركوف المخفية والذي هو نموذج تبديل ماركوف (Markov Switching Model ) ولحالتين مخفيتين للتحقق من الرابط أو العلاقة (The Link) بين مستوى التضخم وكونه غير مؤكد (uncertainty) في العراق للمدة الزمنية (1980-2010), وسوف يتم قياس التضخم غير المؤكد على انه مربع الأخطاء الناتجة عن الفرق بين السلسلة الأصلية والسلسلة المتوقعة المقدرة. وقد وجد أن تأثير مستوى التضخم على التضخم غير المؤكد هو تأثير سلبي وقد أكدت النتائج أيضا التأثير الايجابي للتضخم غير المؤكد على التضخم.

Listing 1 - 5 of 5
Sort by
Narrow your search

Resource type

article (5)


Language

English (4)

Arabic and English (1)


Year
From To Submit

2019 (1)

2018 (1)

2015 (1)

2013 (2)