إن عملية نقل إشارة الكلام بسرية عالية وبأسرع وقت عبر شبكة الانترنيت يحتاج إلى تطوير تقنيات كبس وتشفير إشارة الكلام، وذلك لتقليل حجمها وجعلها غير مفهومة للأشخاص غير المخولين بالاستماع إليها.
تم في هذا البحث تصميم نظام لتشفير الصوت عبر بروتوكو
ل الانترنيت (VoIP) واستخدام تقنيات الكبس لغرض تقليل حجم البيانات وإرسالها عبر الشبكة، إذ تم استخدام خوارزمية (A_law PCM) في كبس بيانات الصوت. ومن ثم تم تطبيق خوارزميتي التشفير المتكرر الثلاثي القياسي (TDES)، ومقياس التشفير المتقدم (AES). تم اقتراح خوارزمية تشفير جديدة تعتمد في أساس عملها على نظام التشفير الكتلي، أُطلق عليها اسم خوارزمية المباشر والمعكوس، حيث تعتمد على ثلاث خطوات أساسية وهي توسيع المفتاح الأولي، وتوجيه التشفير لكل دورة باتجاه معين، وكذلك تبديل الـ (Bytes) حسب صندوق التعويض المستخدم في خوارزمية AES وذلك بجعله متحركاً. تم حساب نسبة الكبس بصورة عامة وكانت 50%، وتمت مقارنة نتائج معامل الارتباط للخوارزمية المقترحة مع نتائج خوارزميتي (AES, TDES).
مساعد شخصي ذكي (IPAS) مثل Amazon Alexa و Assistant Google وسيري سيري يمدد قدراتهم المدمجة من خلال دعم التطبيقات الصوتية التي طورها مطورو الطرف الثالث. في بعض الأحيان يكون المساعد الذكي غير قادر على الاستجابة بنجاح لأوامر صوت المستخدم (ويعرف أيضا باسم
الكلام). هناك العديد من الأسباب بما في ذلك خطأ التعرف على الكلام التلقائي (ASR)، وفهم اللغة الطبيعية (NLU)، وتوجيه الكلام إلى تطبيق صوت غير ذي صحي أو ببساطة أن المستخدم يطلب إمكانية غير مدعومة بعد. يؤدي الفشل في التعامل مع أمر صوتي إلى إحباط العملاء. في هذه الورقة، نقدم نظام توصية مهارة الاحتياطية لاقتراح تطبيق صوتي إلى عميل أمر صوتي غير معالج. واحدة من التحديات البارزة في تطوير نظام موصوف المهارات ل IPAS هو ملاحظة جزئية. لحل مشكلة الملاحظة الجزئية، نقترح طريقة إعادة انتكاسات البيانات التعاونية (CDR). بالإضافة إلى ذلك، يحسن CDR أيضا تنوع المهارات الموصى بها. نقيم الطريقة المقترحة على حد سواء دون اتصال وعلى الإنترنت. تظهر نتائج التقييم غير المتصلة بالإنترنت أن النظام المقترح يتفوق على الأساس. تظهر نتائج اختبار Online A / B زيادة كبيرة من مقاييس تجربة العملاء.
إن المشكلات، والمكونات غير المعجمية في الكلام، تلعب دورا حاسما في التفاعل البشري البشري.من الصعب التدريب على النماذج المصممة للاعتراف بالمعلومات المشكلية، وخاصة مشاعر الكلام والأسلوب، بسبب مجموعات البيانات المحدودة المسمى المتاحة.في هذا العمل، نقدم إ
طارا جديدا يمكن شبكة عصبية لتعلم استخراج السمات المعالجة من الكلام باستخدام البيانات غير المشروح للعاطفة.نقوم بتقييم فائدة المدينات المستفادة على مهام المصب في الاعتراف بالمشاعر والكشف عن أسلوب التحدث، مما يدل على تحسينات كبيرة على الميزات الصوتية السطحية وكذلك على المدينات المستخرجة من مناهج أخرى غير مخالفة.يتيح عملنا أنظمة المستقبل الاستفادة من النازع التضمين المستفاد كمكون منفصل قادر على تسليط الضوء على المكونات المعيارية في الكلام.
أحد كتل المبنى الأولى لإنشاء مساعد صوت يتعلق بمهمة وضع علامة الكيانات أو السمات في استعلامات المستخدم. يمكن أن يكون هذا تحديا بشكل خاص عندما تكون الكيانات في العاشر من الملايين، كما هو الحال على سبيل المثال كتالوجات الموسيقى. تتطلب نماذج وضع العلامات
التدريبية التدريبية على نطاق صناعي كميات كبيرة من استفسارات المستخدم المسمى بدقة، والتي غالبا ما تكون صعبة ومكلفة لجمعها. من ناحية أخرى، جمع المساعدون الصوتيين عادة الكثير من الاستفسارات غير المستمرة التي لا تزال غير منفصلة في كثير من الأحيان. تقدم هذه الورقة منهجية خاضعة للإشراف ضعيفا لتسمية كميات كبيرة من سجلات الاستعلام الصوتية، معززة مع خطوة تصفية يدوية. تظهر التقييمات التجريبية لدينا أن نماذج علامات الشريعة المدربة على البيانات المتفوقة على البيانات التي تجريب ضعيف تدربت على البيانات المشروحة باليد أو الاصطناعية، بتكلفة أقل. علاوة على ذلك، يؤدي التصفية اليدوية للبيانات الخاضعة للإشراف إلى انخفاض كبير في معدل خطأ العقوبة، مع السماح لنا بتقليل جهود الرعاية البشرية بشكل كبير من أسابيع إلى ساعات، فيما يتعلق بالتعليق اليدوي للاستفسارات. يتم تطبيق الطريقة بنجاح Bootstrap نظام علامات Slot لخدمة تدفق الموسيقى الرئيسية التي تخدم حاليا العديد من عشرات الآلاف من الاستفسارات الصوتية اليومية.
تعتبر العلامات الموثوقة للتعبيرات الزمنية (TES، على سبيل المثال، كتاب طاولة في L'Osteria مساء الأحد) هو الشرط المركزي للمساعدين الصوتيين (VAS).ومع ذلك، هناك ندرة الموارد والأنظمة لنطاق VA، حيث يتم تدريب التقنيص الزمني المتاحين علنا فقط على مجالات مخت
لفة إلى حد كبير، مثل الأخبار والنص السريري.نظرا لأن تكلفة التسجيل في مجموعات البيانات الكبيرة عبارة عن محظور، فإننا نحقق في المفاضلة بين البيانات والأداء داخل المجال في DA-Time، وهو Tagger الزمني الهجين للمجال الإنجليزي VA الذي يجمع بين الهندسة المعمارية العصبية للاعتراف القوي، مع محللباس te نومي.نجد أن التعلم النقل يقطع شوطا طويلا حتى مع وجود 25 جمل داخل المجال: يؤدي DA-Time في حالة الفن في مجال الأخبار، وتفوقه بشكل كبير على نطاق VA.
يلعب إنترنت الأشياء دوراً أساسياً في حياتنا اليوم من إدارة تدفق الركاب في المطارات إلى المنازل والمدن الذكيّة إلى الاعتناء بالمسنين، فهو يهدف إلى تحسين الحياة في جميع المجالات، وقدم ساهم التطور التكنولوجي الذي نشهده إلى انتشاره بشكل واسع في العديد من
القطاعات.
المنصّات (Platforms) هي الجزء البرمجي الداعم الذي يربط كل شيء ضمن نظام إنترنت الأشياء. حيث تسهل المنصّة الاتصالات، تدفق البيانات، إدارة الأجهزة، ووظيفة التطبيقات. تعتبر منصة Thinger.io من منصات إنترنت الأشياء السهلة الاستخدام والتي تقدم خدمات متنوعة للمستخدمين، حيث تتيح المنصة اتصالية مختلف أنواع الأجهزة والشرائح.
فكانت الفكرة إنشاء مساعد شخصي يعمل بالأوامر الصوتية للتحكم بالأجهزة المتصلة بمنصة Thinger.io عن بعد عبر الإنترنت في الزمن الحقيقي، والهدف من إضافة هذه الإمكانية إلى المنصة جعل التعامل معها أكثر بساطة لإتاحة الفرصة لأي شخص أياً كان عمره أو خبرته استخدامها لتسهيل حياته بالطريقة التي يختارها، حيث أنّ المساعد Vinus -كما أطلقنا عليه- يتمتع بالمرونة والموثوقية وقابلية العمل مع أي تطبيق كان.
سيتم في هذا البحث دراسة أداء خدمة نقل الصوت VOIP عبر شبكة الانترنت من
خلال مقارنة أداء بروتوكول تهيئة الجلسة SIP و بروتوكول H323 و تقييم
محددات الجودة كالتأخير الزمني، نسبة ضياع الرزم و عدد المكالمات الفعالة في
الشبكة مع تغير عدد المستخدمين لل
شبكة. لتحقيق ذلك سنقوم باستخدام تقنية
المحاكاة المناسبة و هي OPNET.
تحاول التفكيكية تعطيل المدلول الترانسدنتالي و هيمنته على المدلولات الأخرى، و ذلك بإدخال مفهوم جديد، هو مفهوم اللعب الحر للعلامة. يقوم هذا المفهوم على فلسفة في الآخرية و الاختلاف. لم يتوقف ديريدا عن التنبيه إلى أن الاختلاف ليس مفهوماً أو فكرة أو مصطلح
اً. نرى أن الاختلاف قانون، قانون قراءة و كتابة. لكنه أيضاً قانون الآخر و المختلف، فهو يعبر عن فلسفة في الغيرية متجذرة في كتابات ديريدا، عبر عنها بصوغ يختزل التفكيكية كفلسفة و كمنهج معاً: كل آخر هو آخر كلياً، في مقولة تقول الهوية و الغيرية معاً. فهي تقول الهوية أولاً، أي، تقول إن الآخر، كل آخر، الآخر في تعدديته غير القابلة للاختزال، "هو" مختلف بشكل لا يمكن معه قول هويته. صوغ فذّ لقانون يقول المستحيل. لأن "كل آخر هو آخر كلياً" يعبر أيضاً عن المستحيل، العلامة الأنطولوجية التي يتحدد من خلالها الدازاين في فلسفة هيدغر، عندما شرع هذا الأخير بتناول الكينونة الكلية للكينونة-هنا.
تم في هذا البحث دراسة طريقة النص المستقل (Text-independent) لتحديد هوية
الشخص باستخدام صوته (Voice Identification) و المبنية على أساس استخراج
المي ا زت/السمات (Features) الخاصة من الإشارة الصوتية، و التي تميز التنبؤ الخطي
(Linear Prediction) لس
لوك دالة الترابط الذاتي (Autocorrelation Function) لسبستروم
(Cepstrum) الإشارة الصوتية.
دفعت الرغبة لتحسين الأداء الكُلّي لشبكات IP إلى إنشاء بنى QoS جديدة. التطور الحاصل حاليا في تأمين جودة الخدمة مبني على DiffServ . تقسّم DiffServ الحركة إلى عدد صغير من الأصناف و تقوم بحجز المصادر على أساس كل صنف. في هذه البنية تُعلّم الرزم بناءً على
حقل DSCP في الموجهات الطرفية و يتم كذلك إعطاء الأولوية للرزم بناء على قيمة هذا الحقل. بالمقابل, فإن MPLS هي آلية توجيه سريعة تعتمد على الوسوم. من مزايا MPLS الرئيسية دعمها لهندسة الحركة و الذي يؤدي إلى استخدام أفضل لمصادر الشبكة مثل سعة الوصلة. يؤمن الاستخدام المتكامل لـ MPLS (كآلية إرسال) مع DiffServ (كآلية QoS) ضماناً لتقديم جودة خدمة عالية و خاصة بالنسبة لتطبيقات الزمن الحقيقي (مثل خدمة الصوت عبرIP و مؤتمرات الفيديو).
تم في بحثنا هذا تقييم أداء شبكات MPLS-DiffServ, قمنا بدراسة بارامترات جودة الخدمة مثل التأخير و تغير التأخير و زمن تحميل الملفات و زمن الترتيل و استخدام الوصلة و الإنتاجية و فقدان الرزم لأنماط متعددة من الحركة (Voice,Video,FTP) و ذلك باستخدام محاكي OPNET. تمت مقارنة النتائج مع شبكات MPLS و شبكات IP الصافية. أظهرت النتائج تفوق شبكات MPLS-DiffServ على الشبكات الأخرى و يبدو ذلك واضحا من ناحية تخفيض التأخير و تغير التأخير و زمن الاستجابة لتحميل الملفات و زمن الترتيل بالإضافة إلى انخفاض ضياع الرزم و الاستخدام الأمثل لسعة الوصلة.
