این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
انجمن مهندسی صوتیات ایران، جلد ۸، شماره ۱، صفحات ۲۲-۲۷
عنوان فارسی تأثیر طبقه‌بندی صدا توسط شبکه‌های عصبی در بازشناختن شنوایی انسان (مقاله پژوهشی)
چکیده فارسی مقاله در این مقاله، به دو موضوع اساسی: الف)‌‌ طبقه‌بندی صدا توسط شبکه‌های عصبی مصنوعی براساس شبه‌سنج‌های بسامد و شدت صدا، ب) ‌‌ارزیابی سلامت گوش انسان‌های مختلف در مقایسه با یک فرد سالم، پرداخته می‌شود. طبقه‌بندی صدا توسط یک شبکه عصبی پیش‌خور با دو ورودی به شکل بسامد و شدت صدا و دو لایه نهانی پیشنهاد شده است. این فرایند به مقوله‌بندی صداهای شنیداری و غیرشنیداری (خطرناک) برای فرد سالم می‌انجامد. در تشخیص گوش سالم، با داشتن شبه‌سنج‌های مربوطه، استفاده از روش یادگیری ماشین توسط شبکه‌های عصبی پیش‌خور و انتگرال‌گیری عددی سیمپسون و ذوزنقه‌ای، آستانه‌ها‌ی شنوایی و دردناکی گوش فرد بیمار در قیاس با گوش سالم ارزیابی می‌شود. نتایج عددی و نمودارهای منقوش بیانگر این واقعیت هستند که روش ارائه‌شده در این تحقیق قادر است تا با شبیه‌سازی ریاضی بدون نیاز به دانش اضافی پزشکی، سلامت گوش یک فرد را بازشناسی کند.
کلیدواژه‌های فارسی مقاله شبکه‌های عصبی مصنوعی، یادگیری ماشین، طبقه‌بندی صدا، آستانه‌ی دردناکی، انتگرال‌گیری عددی.
عنوان انگلیسی Effect of sound classification by neural networks in the recognition of human hearing (Research Article)
چکیده انگلیسی مقاله In this paper, we focus on two basic issues: (a) the classification of sound by neural networks based on frequency and sound intensity parameters (b) evaluating the health of different human ears as compared to of those a healthy person. Sound classification by a specific feed forward neural network with two inputs as frequency and sound intensity and two hidden layers is proposed. This process results in categorization of audible and non-audible ( dangerous ) sounds for a healthy person. In the diagnosis of healthy ear, having the relevant parameters, using the method of machine learning by feed forward neural networks, and simpson and trapezoidal numerical integration rules, the hearing and pain thresholds of the patient's ear are evaluated in comparision with healthy ear. Numerical results and depicted graphs represent the fact that the method presented in this study is able to recognize an individual's ear with mathematical simulation without too much knowledge of medical parameters.
کلیدواژه‌های انگلیسی مقاله Neural networks, Machine learning, Sound classification, Hearing, Painful threshold, Numerical integration.
نویسندگان مقاله علاءالدین ملک | A. Malek
دانشکده علوم ریاضی، دانشگاه تربیت مدرس

مصطفی محمدی کوثر | M. mmohammadi kosar
دانشکده علوم ریاضی، دانشگاه تربیت مدرس

نشانی اینترنتی http://joasi.ir/browse.php?a_code=A-10-198-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده ریاضیات در صوتیّات
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات