In questo lavoro è stato trattato il tema dell'adattamento di reti neurali al parlatore. La nostra ricerca si è focalizzata sull'adattamento rapido, con l'intento di ottenere, con poche frasi di adattamento, un modello vocale di buona qualità.

Una prima fase di ricerca è stata compiuta sulle tecniche di trasformazione del modello. In quest'ambito si sono realizzate e sperimentate una serie di tecniche elementari, al fine di acquisire conoscenza sui meccanismi che regolano l'apprendimento in reti neurali per il riconoscimento vocale. L'esperienza acquisita ha permesso lo studio e l'implementazione della tecnica di interpolazione dei pesi.

I nostri studi hanno poi coperto un secondo insieme, molto importante, di tecniche di adattamento, la categorizzazione del parlatore. Mentre la trasformazione del modello mira a modificare i parametri che regolano il modello, con la categorizzazione del parlatore si cerca, attraverso poche frasi, di associare un modello già addestrato ad un parlatore. È stata progettata una procedura e una nuova struttura della rete neurale che permette di riconoscere il parlatore: K-LIN. Con un sufficiente numero di frasi di un utente questa tecnica permette di ricavare, tra un serie di modelli rappresentanti dei parlatori, quello addestrato con frasi appartenenti all'utente.

Si è sviluppata inoltre la tecnica del learning-rate variabile, per addestrare in maniera più precisa qualsiasi rete neurale di tipo multi-layer perceptron.

Ringrazio tutti, tutti coloro che mi sono stati vicini in questi anni di studio. Ringrazio tantissimo i miei genitori, senza di loro non sarei mai riuscito a laurearmi, non sarei mai riuscito a crescere, professionalemente e soprattutto moralmente. A loro dedico questa tesi.

Ringrazio in particolar modo il prof. Pietro Laface, che mi ha seguito veramente in ogni momento della realizzazione di questa tesi, aiutandomi a risolvere personalmente i problemi più difficili, dandomi

Ringrazio e saluto i miei amici, che mi hanno sopportato fino adesso.



Stefano Scanzio 2007-10-16