Reti neurali e trasformazioni spettrali per l`adattamento al parlatore

In questo lavoro viene presentata un`attivit� sperimentale concernente l`applicazione di reti neuronali nel riconoscimento automatico del parlato. Un modello neuronale viene utilizzato per la riduzione delle differenze acustiche che intercorrono tra parlatori diversi. Ci si riconduce ad un problema di regressione in cui il modello meuronale apprende una trasformazione tra gli spazi multidimensionali delle osservazioni acustiche relative a due parlatori distinti. Si utilizza un`architettura complessa in cui la rasformazione spettrale � determinata come combinazione pesata di mappe locali, ciascuna stimata tramite una rete neuronale di funzioni a base radiale (RBF). La sperimetazione, effettuata utilizzando il modello sviluppato per normalizzare i dati in ingresso ad un riconoscitore basato su modelli di Markov nascosti, dimostra come l`approccio sviluppato sia efficace e possa costituire la base per interessanti sviluppi applicativi