الفهرس 
CHAPTER 1Only 14 pages are availabe for public view
 |  | from | 99 |  |  |
| | | from | 99 | | |
Abstract
مع تقدم تقنية الذكاء الاصطناعي التي تستخدم الصوت واللغة ، أصبح التفاعل بين الإنسان والآلة في كل مكان بشكل متزايد. يمكننا إكمال معاملاتنا من خلال التواصل مع شكل من أشكال الذكاء الاصطناعي ، مثل المساعد الافتراضي المساعد الافتراضي هو برنامج تطبيقي يمكنه تنفيذ المهام للمستخدمين من خلال فهم اللغة الطبيعية والأوامر الصوتية. المساعد الافتراضي له تأثير كبير على تطوير الأعمال والمؤسسات. يمكن استخدامه لإدارة علاقات العملاء والتعامل مع الاستفسارات الواردة ، وكذلك للرد تلقائيًا على رسائل البريد الإلكتروني والمكالمات الهاتفية. أصبحت معالجة الإشارات الصوتية شائعة بشكل متزايد منذ تطوير المساعدين الظاهريين. تستخدم معالجة الإشارات الصوتية خوارزميات وتقنيات قوية لتسجيل إشارات المحتوى الصوتي وتحسينها وحفظها ونقلها. لذلك يعد تحليل الإشارات الصوتية والتعرف على الأنماط موضوعًا بحثيًا مهمًا في مجال التعلم الآلي ، ويلعب دورًا مهمًا في حياتنا. نحن محاطون بأصوات تحتوي على معلومات ثرية عن مكان وجودنا والأحداث التي تحدث من حولنا. نظرا لزيادة التكنولوجيا واحتياجات العملاء و استخدام الأجهزة المحمولة الذكية على نطاق واسع في السنوات الأخيرة.يتم إنشاء كميات هائلة من تسجيلات الوسائط المتعددة وتحميلها على الويب كل يوم. هذه التسجيلات ، مثل الموسيقى وأخبار إذاعية وبرامج تلفزيونية ، تحتوي على أصوات من مجموعة متنوعة من المصادر. ازداد الطلب لتحليل هذه الأصوات . في هذه الرسالة تمت دراسة تأثير معالجة الإشارات الصوتية على العلامات الصوتية باستخدام الشبكات العصبية العميقة. يعد وضع العلامات الصوتية (AT) تحديًا يتطلب استنباط تسميات وصفية من مقاطع الصوت. نظرًا للحجم المحدود للبيانات والتسميات الصاخبة ، فإن وضع العلامات الصوتية أمر صعب. أدى التعلم العميق والتقدم في معالجة الإشارات الصوتية إلى تحسين وضع العلامات الصوتية بشكل كبير. أدخلت العديد من الدراسات مناهج مختلفة لوضع العلامات الصوتية ، لكن أداء النتائج التي تم الحصول عليها من هذه الدراسات غير كافٍ. لذلك ، نقترح اطار عمل وضع العلامات الصوتيه للشبكات العميقه المحسن لمساعد الأعمال الافتراضي . يمكن استخدام هذا الاطار لمعالجة الاشارات الصوتيه ووضع العلامات . ويتكون الاطار من ثلاث طبقات طبقة إعداد البيانات وطبقة نمذجة البيانات وطبقة التنبؤ. تقوم طبعة اعداد البيانات باستقبال اشارة الصوت ثم تحليلها واستخراج الميزات منها ثم ادخالها في مرحلة المعالجه المسبقه . تقوم طبقة نمذجة البيانات باستقبال البيانات من طبقة اعداد البيانات وادخالها في شبكه عصبيه عميقه مع محسن أدامكس . تقدم الطبقة التنبؤ النتائج الكاملة التي تم الحصول عليها من الإطار المقترح وتحتوى هذه الرساله على خمسه ابواب رئيسية هى :الفصل الاول:تحت عنوان “Introduction”و يحتوى هذا الفصل على مقدمه عن محتوى الدراسة والهدف منها وتوضيح لمحتوياتها مع مقدمه سريعة عن معالجة الاشارات الصوتيه لحل المشكلة الفصل الثاني: تحت عنوان “Background and Related Work” و فية يتم تقديم عرض مفاهيم للتعلم العميق واستخداماته وتطبيقاته والاعمال ذات الصله لمعالجة وتصنيف الاشارات الصوتيه.الفصل الثالث:حت عنوان ” ptimized Deep Neural Networks Audio Tagging Framework for Virtual Business Assistant consists” إطار عمل وضع العلامات الصوتية للشبكات العصبية العميقة المحسن لمساعد الأعمال الافتراضي وهو يتكون من ثلاث مراحل , وهم : (1) مرحلة اعداد البيانات و (2) مرحلة نمذجة البيانات و (3)مرحله التنبؤ.الفصل الرابع: تحت عنوان Experimental and Results يتم فيه تقديم العديد من التجارب المحاكية والمقارانات التى تثبت فعالية النظام المقترح مقارنة بالأنظمة الأخرى.الفصل الخامس: تحت عنوان Conclusion and Future Work و فية يتم عرض للاستنتاجات المستخلصة ومن البحث وعرض بعض التوجيهات بالاضافة الى التوجهات المستقبلية.