Konuşma Tanımaya Uygulanan BiRNN, BiLSTM ve BiGRU Modellerinin Performans Değerlendirmesi

Halil İbrahim YALMAN; Zekeriya TÜFEKCİ

Makale detayları

Konuşma Tanımaya Uygulanan BiRNN, BiLSTM ve BiGRU Modellerinin Performans Değerlendirmesi

Yazarlar:

Halil İbrahim YALMAN | Zekeriya TÜFEKCİ

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2022 Vol. Issue 36, pp.121-127

Belge Tipi:

Makale

Yayın Tarihi:

5/2022

Belge Dili:

Türkçe

Document ID (Org No.):

2000915237

Sıklık:

Üç Aylık

eISSN:

2148-2683

Anahtar kelimeler:

Özet:

 

Speech recognition is the process of converting sound waves into text. In this study, speech recognition performance of Bidirectional Recurrent Neural Network (BiRNN), Bidirectional Long Short Term Memory (BiLSTM), Bidirectional Gated Recurrent Units (BiGRU) models on the audiobook dataset was examined and compared. Connectionist Temporal Classification (CTC) and Convolutional Neural Networks (CNN) are used in the models. In addition, these models were compared with their unidirectional versions. As a result of the study, it was determined that the model with the highest speech recognition success rate was BiLSTM. However, the BiGRU model, which has 33% less parameters and 3% lower speech recognition rate, was also found to be remarkable. It has been determined that bidirectional models give more successful results than unidirectional models.

 

Konuşma tanıma ses dalgalarının yazıya dönüştürülmesi işlemidir. Bu çalışmada sesli kitap veri seti üzerinde Çift Yönlü Basit Tekrarlayan Ağlar (BiRNN), Çift Yönlü Uzun Kısa Süreli Bellek (BiLSTM), Çift Yönlü Kapılı Tekrarlayan Hücreler (BiGRU) modellerinin konuşma tanıma performansı incelenmiş ve karşılaştırması yapılmıştır. Kullanılan modellerde Bağlantıcı Zamansal Sınıflandırma (CTC) ve Evrişimsel Sinir Ağları (CNN) kullanılmıştır. Ayrıca bu modellerin tek yönlü versiyonları ile karşılaştırması da yapılmıştır. Çalışmanın sonucunda en yüksek konuşma tanıma başarı oranına sahip model BiLSTM olduğu saptanmıştır. Bununla birlikte %33 daha az para metre ile %3 daha düşük konuşma tanıma oranına sahip BiGRU modeli de dikkate değer bulunmuştur. Çift yönlü modellerin tek yönlü modellere göre daha başarılı sonuçlar verdiği saptanmıştır.

Makale detayları

Konuşma Tanımaya Uygulanan BiRNN, BiLSTM ve BiGRU Modellerinin Performans Değerlendirmesi

Yazarlar:

Halil İbrahim YALMAN | Zekeriya TÜFEKCİ

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2022 Vol. Issue 36, pp.121-127

Belge Tipi:

Makale

Yayın Tarihi:

5/2022

Belge Dili:

Türkçe

Document ID (Org No.):

2000915237

Sıklık:

Üç Aylık

eISSN:

2148-2683

Konuşma Tanıma

Derin Öğrenme

Evrişimsel Sinir Ağları

Çift Yönlü Uzun Kısa Süreli Bellek

Çift Yönlü Basit Tekrarlayan Ağlar

Çift Yönlü Kapılı Tekrarlayan Hücreler

Bağlantıcı Zamansal Sınıflandırma

Türkçe Sesli Kitap Veri seti

Sayı

Makale detayları

Yazarlar: Halil İbrahim YALMAN | Zekeriya TÜFEKCİ

Yayıncı: Osman SAĞDIÇ

Ana Başlıklar: Uygulamalı fizik

Dergi: European Journal of Science and Technology 2022 Vol. Issue 36, pp.121-127

Belge Tipi: Makale

Yayın Tarihi: 5/2022

Belge Dili: Türkçe

Document ID (Org No.): 2000915237

Sıklık: Üç Aylık

eISSN: 2148-2683

Sayı

Yazarlar:

Halil İbrahim YALMAN | Zekeriya TÜFEKCİ

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2022 Vol. Issue 36, pp.121-127

Belge Tipi:

Makale

Yayın Tarihi:

5/2022

Belge Dili:

Türkçe

Document ID (Org No.):

2000915237

Sıklık:

Üç Aylık

eISSN:

2148-2683