バングラ語 ディープラーニングベースのアンサンブルラーニングとフィーチャー・フュージョンによるスピーチ・エモーション認識

科学分野:

• 音声処理について
• 人工知能
• 人とコンピュータの相互作用

背景:

• バングラ語のスピーチ・エモーション認識は 正確さ,スピーカー依存性,一般化に問題があります.
• 伝統的なまたは基本的なディープラーニングモデルを使用する既存の方法は,さまざまな条件で堅実性が欠けている.

研究 の 目的:

• バングラ語のスピーチ・エモーション認識のための新しいマルチストリーム・ディープラーニング・フィーチャー・フュージョン・アプローチを提案する.
• 精度,強度,一般化を高めることで,既存の方法の限界に対処する.

主な方法:

• 訓練データセットに適用されるデータ拡張技術.
• 手作りの特徴 (ZCR,MFCCなど) の抽出 ディープラーニング機能もあります
• 1D CNN,CNN-LSTM,CNN-Bi-LSTMストリームのマルチストリームディープラーニングアーキテクチャ
• 最終的な予測のために ソフト投票によるアンサンブル学習です

主要な成果:

• 高い精度を達成しました: 92.90% (SUBESCO),85.20% (BanglaSER),90.63% (合併),67.71% (RAVDESS),69.25% (EMODB).
• 既存の方法と比較して強化された強度と一般化.
• 組み合わさった学習で 手作り学習と ディープラーニングを 効果的に組み合わせました

結論:

• 提案されているマルチストリーム・ディープ・ラーニング・フィーチャー・フュージョン・アプローチは,バングラ語のスピーチ・エモーション・認識を大幅に強化します.
• 多様な機能とアンサンブル学習を組み合わせることで より包括的で堅牢なソリューションが得られます
• この方法は,人間とコンピュータのやり取りシステムにおける 感情認識の有望な進歩を提供します.