Thesis (Ph.D)-Cairo University, 2024.

Bibliography: pages 59-63.

This work focused on applying the Convolutional Neural Networks (CNN) to recognize some recitation rules of the Holy Quran, the Qalqalah rule which is applied to five letters of the Arabic Alphabet and it implies vibration of these letters when there is absence of vowels on them with Sukon, and Hams or Whisper rule which is applied to other ten letters of the Arabic alphabet and it implies breathing flow when pronouncing those letters. The used dataset consists of 4406 Quranic audios each of 500ms length which were extracted off continuous audio records for professional readers. Each sample represent one CVC, CVCC or CV:C Arabic syllables which contain one of Qalqalah or Hams sounds. The feature extraction technique used in the proposed system was the Mel Frequency Cepstral Coefficients (MFCC). Recognition process for Qalqalah achieved 93% accuracy while it achieved 91% for Hams rule.

ركز هذا العمل على تطبيق الشبكات العصبية التلافيفية (CNN) للتعرف على بعض قواعد تلاوة القرآن الكريم، وقاعدة القلقلة المطبقة على خمسة حروف من الأبجدية العربية وتعني اهتزاز هذه الحروف في حالة السكون. أما قاعدة الهمس والتي تنطبق على الحروف العشرة الأخرى من الأبجدية العربية و التي تتضمن تدفق التنفس عند نطق تلك الحروف. و تتكون مجموعة البيانات المستخدمة من 4406 مقطع صوتي قرآني طول كل منها 500 مللي ثانية تم استخراجها من التسجيلات الصوتية المستمرة لأربعة من القراء المحترفين. تمثل كل عينة مقطعًا لفظيًا عربيًا واحدًا من CVC أو CVCC أو CV:C يحتوي على أحد أصوات القلقلة أو الهمس. كانت تقنية استخراج المعالم المستخدمة في النظام المقترح هي معاملات (MFCC). وحققت عملية التعرف باستخدام الشبكة العصبية التلافيفية للقلقلة على دقة 93%، بينما حققت 91% لحكم الهمس.

Issues also as CD.

Text in English and abstract in Arabic & English.