Particle Swarm Optimization untuk Optimisasi Parameter Model Segmentasi Sinyal Ucapan Bahasa Indonesia ke Dalam Unit Silabel
AGUNG SUHENDAR
Informasi Umum
Kode
18.04.2677
Klasifikasi
C -
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Speech Processing
Informasi Lainnya
Abstraksi
Pengembangan proses segmentasi sinyal ucapan kedalam satuan silabel dinilai sangat penting untuk mengembangkan sistem Automatic Speech Recognition (ASR) maupun Speech Synthesis. Proses optimisasi parameter segmentasi menggunakan Particle Swarm Optimization (PSO) mampu menghasilkan akurasi untuk model ALNSA sampai 86.89%. Pada model ALNSA tersebut, penggunaan fitur Short-term Energy (STE) dan Zero Crossing Rate (ZCR) mampu menaikan akurasi segmentasi dibanding menggunakan STE saja, meskipun tidak signifikan sebesar 0.29%, serta menurunkan insertion error dan deletion error sebesar 0.17% dan 0.11% secara berurut.
- CS4773 - EVOLUTIONARY COMPUTATION
- CIG4A3 - PEMBELAJARAN MESIN
- CCH4A3 - PENULISAN PROPOSAL
- CCH4D4 - TUGAS AKHIR
- CII4A2 - PENULISAN PROPOSAL
- CII4E4 - TUGAS AKHIR
- CPI4A2 - PENULISAN PROPOSAL
- III4A4 - TUGAS AKHIR
- CII9G6 - PROPOSAL PENELITIAN
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | AGUNG SUHENDAR |
| Jenis | Perorangan |
| Penyunting | SUYANTO |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom |
| Kota | Bandung |
| Tahun | 2018 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
