000			05006namaa22004091i 4500
003			OSt
005			20250223033422.0
008			250201s2023 |||a|||f m||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a621.382
092			_a621.382 _221
097			_aPh.D
099			_aCai01.13.08.Ph.D.2023.Ha.A
100	0		_aHany Ahmed Sayed Mansour, _epreparation.
245	1	0	_aAdvanced Machine Learning Applications Based On Speech Recognition Technology/ _cHany Ahmed Sayed Mansour ; Supervisors: Prof. Dr. Mohsen A. Rashwan.
246	1	5	_a/تطبيقات تعلم الآلة المتقدمة بناءً على تقنية التعرف على الكلام
264		0	_c2023.
300			_a72 pages : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2023.
504			_aBibliography: pages 65-72.
520			_aBased on the nature of the speech recognition systems and their components like Acoustic modeling and language modeling, we can reuse these components in different applications and different fields. For example, acoustic modeling can be replaced by spatial model in the Optical Character Recognition (OCR) problem and the same language modeling techniques can be used in this case. Another problem is enhancing the performance of most Error-Correction (EC) algorithms that operate on genomics reads in the medical field. We can use language modeling techniques to enhance the performance of these tools. In this thesis, we are going to present different techniques of speech technologies and how we can benefit from them in different applications. Firstly, we proposed the OCR system that can deal with handwritten/typewritten. Secondly, we used language modeling techniques to automatically tune the performance-sensitive configuration parameters for EC algorithms. Using N-Gram and Recurrent neural Network (RNN) language modeling, we validate the intuition that the EC performance can be computed quantitatively and efficiently. Finally, we proposed a system that uses semi-supervised techniques to enhance the quality of speech recognition models. This system competed in an international competition (MGB5) and won the first place with word Accuracy 63% while the second place was 58%.
520			_aبناءً على طبيعة أنظمة التعرف على الكلام ومكوناتها مثل النمذجة الصوتية ونمذجة اللغة، يمكننا إعادة استخدام هذه المكونات في تطبيقات مختلفة ومجالات مختلفة. على سبيل المثال، يمكن استبدال النمذجة الصوتية بالنموذج المكاني في مشكلة التعرف الضوئي على الحروف ويمكن استخدام تقنيات نمذجة اللغة نفسها في هذه الحالة. هناك مشكلة أخرى تتمثل في تحسين أداء معظم خوارزميات تصحيح الخطأEC التي تعمل على قراءة الجينوميات في المجال الطبي. يمكننا استخدام تقنيات النمذجة اللغوية لتحسين أداء هذه الأدوات. في هذه الأطروحة ، سوف نقدم تقنيات مختلفة لتقنيات الكلام وكيف يمكننا الاستفادة منها في تطبيقات مختلفة. أولاً ، اقترحنا نظام التعرف الضوئي على الحروف الذي يمكنه التعامل مع الكتابة اليدوية / المكتوبة على الآلة الكاتبة. ثانيًا ، استخدمنا تقنيات نمذجة اللغة لضبط معلمات التكوين الحساسة للأداء لخوارزميات تلقائيًا. باستخدام نمذجة لغة N-Gram والشبكة العصبية المتكررة، فإننا نتحقق من صحة الحدس القائل بأنه يمكن حساب أداء EC كميًا وفعالًا. أخيرًا ، اقترحنا نظامًا يستخدم تقنيات شبه خاضعة للإشراف لتحسين جودة نماذج التعرف على الكلام. تنافس هذا النظام في مسابقة دولية (MGB5) وفاز بالمركز الأول بدقة كلمة 63٪ بينما كان المركز الثاني 58٪.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		7	_aCommunications Engineering _2qrmak
653		0	_aOCR _aASR _aGenomic Language Modeling _aSpatial Modeling _aAcoustic Modeling
700	0		_aMohsen A. Rashwan _ethesis advisor.
900			_b01-01-2023 _cMohsen A. Rashwan _UCairo University _FFaculty of Engineering _DDepartment of Electronics and Communications Engineering
905			_aAya _eHuda
942			_2ddc _cTH _e21 _n0
999			_c170531