Skip to main content
Log in

Approximation stochastique et reconnaissance acoustique d’un vocabulaire limité

  • Published:
Annales des Télécommunications Aims and scope Submit manuscript

Sommaire

Cet article décrit un théorème de convergence de l’approximation stochastique dû à Gladyshev et le modifie légèrement en rendant la convergence moins forte, mais son utilisation pratique plus aisée. Un procédé permettant d’accélérer l’apprentissage des coefficients optimaux des fonctions, de discrimination, y est également suggéré. A la fin de l’article, on décrit quelques résultats obtenus dans un problème pratique de reconnaissance acoustique d’un vocabulaire limité à moins de vingt mots.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Similar content being viewed by others

Bibliographie

  1. Amari (S.). A theory of adaptative pattern classifiers (Une théorie des classificateurs de formes adaptatifs).I.E.E.E. Trans., EC, U.S.A. (juin 1967),16, n∘ 3, pp. 299–307.

    MATH  MathSciNet  Google Scholar 

  2. Benzecri (M.). Leçons sur l’analyse factorielle et la reconnaissance des formes. I.S.U.P., cours de 3e cycle, option Statistiques-Mathématiques, Paris (1967).

  3. Castan (S.), Perenmou (G.). Optimisation d’un discriminateur-symposium sur l’informatique médicale et les intelligences artificielles (7–8–9 mars 1967).laboratoire d’informatique, Faculté des Sciences, Toulouse.

  4. Castan (S.), Perennou (G.). Classification des stimuli-séparation linéaire par apprentissage. Journées électroniques de Toulouse (7–11 mars 1966).laboratoire d’informatique. Faculté des Sciences, Toulouse.

  5. Chaplin (W. G.), Levadi (V. S.). A generalization of the linear threshold decision algorithm to multiple classes (Une généralisation de l’algorithme linéaire de décision de seuil à des classes multiples).Computer and Information Sciences II, Tou (A.P.), New York-London (1967).

  6. Choquet (G.). Cours d’analyse. Tome II. Topologie: espaces topologiques et espaces métriques; fonctions métriques; espaces vectoriels topologiques.Masson, Paris (1964), 310 p.

    MATH  Google Scholar 

  7. Cordier (B.). L’analyse factorielle des correspondances. Thèse présentée à la Faculté des Sciences de l’Universitéde Rennes (1965).

  8. Daniell (T. P.). Stochastic approximation procedures for engineering applications (Processus d’approximations stochastiques pour des applications industrielles).Proc. I.E.E.E., U. S. P. (avril 1962),57, n∘ 4, pp. 733–734.

    Google Scholar 

  9. Doob (J. l.). Stochastic processes (Processus stochastiques). New York.Wiley and Sons (1953), 654 p.

    MATH  Google Scholar 

  10. Dreyfus-Graf (J. A.). Acquisition et traitement de données d’origine acoustique ou vibratoire. Communication n∘ 2–3.G.A.L.F. (avril 1969).Laboratoire national d’essais CNAM, Paris.

    Google Scholar 

  11. Duda (R. O.), Fossum (H.). Pattern classification by iterativelly determined linear and piecewise linear discriminant functions (Reconnaissance des formes à l’aide de fonctions linéaires et polygonales obtenues par des itérations).I.E.E.E. Trans., EC (avril 1966),5, n∘ 2.

  12. Dvoretsky (A.). On stochastic approximation. (Sur l’approximation stochastique).Proc. 3rd Berkeley symp. on mathematical statistics and probability, Berkeley and Los Angeles, Calif.University of California Press (1956), pp. 39–55.

    Google Scholar 

  13. Ferrieu (G.). Reconnaissance des formes acoustiques.Ann. Télécommunic., Fr. (janv.–févr. 1968),23, n∘ 1-2, pp. 59–60.

    Google Scholar 

  14. Ferrieu (C.), Poncin (J.), Roux (G.), Vincent-Carrefour (J.). Synthèse et reconnaissance de la parole par calculateurs.Echo des recherches, F. (juin 1968), n∘ 53, pp. 30–42.

  15. Gladyshev (E. G.). An stochastic approximation. Theory of probability and its applications (Une approximation stochastique théorique des probabilités et son application).Theorie of probability and its applications, U. S. A. (1965),10, pp. 275–278.

    Article  Google Scholar 

  16. Highleyhan (W. H.). linear decision functions with application to pattern recognition (Fonctions de décision linéaires et leurs applications à la reconnaissance des formes).Polytechnic Institute of Brooklyn, DEE, U. S. A., Michigan (1961), 209 p.

    Google Scholar 

  17. Kiefer (J.),Woldfdwitz (J.). Stochastic estimations of the maximum of a regression function (Estimation stochastique du maximum d’une fonction de régression).Ann. math. statist., U.S.A. (1952),23, pp. 462–466.

    Article  MATH  Google Scholar 

  18. Loginov (N. V.). Methods of stochastic approximation (survey) (Méthode d’approximation stochastisques [vue d’ensemble]).Automation remote control, U. S. P. (1966),4, pp. 706–728.

    Google Scholar 

  19. Mercier (G.). Reconnaissance des formes. Approximation des fonctions de décision et application à la reconnaissance des théorèmes.Thèse 3e cycle. Faculté des Sciences.Université de Bennes (1969).

  20. Mettvier (M.). Cours de probabilités I et II. Faculté des sciences.Université de Rennes 197 p.

  21. Nagy (G.). State of the art in pattern recognition (Etat de la technique de l’identification des caractères).Proc. I.E.E.E., U. S. A. (mai 1968),56, n∘ 5, pp. 836–862.

    Google Scholar 

  22. Nilsson (N. J.). Learning machines. Foundations of trainable pattern-classifying systems (Les machines à apprendre. les fondements des systèmes qui peuvent être exercés à classer des données).Mc Graw Hill, New York (1965), 137 p.

    MATH  Google Scholar 

  23. Robbins (H.),Monro (S.). Stochastic approximation method (Méthode d’approximation stochastique).Ann. math. statist., U. S. P. (1951),22, pp. 400–407.

    Article  MATH  MathSciNet  Google Scholar 

  24. Robbins (H.), Monro. Stochastic approximation method.Ann. math. statist. (1951),22, pp. 400–407.

    Article  MATH  MathSciNet  Google Scholar 

  25. Scmhetterer (L.). Stochastic approximation (Approximation stochastique).Proc. 4th Berkeley symp. on mathematical statistics and probability. Berkeley and los Angeles, Calif.University of California Press (1961), pp. 587–609.

    Google Scholar 

  26. Tsypkin (Y. T.). Optimisation, adaptation and learning in automatic systems (Optimalisation, adaptation et apprentissage dans des systèmes automatiques).Computers and information sciences II Tou (A. P.), New York-Londres (1967), pp. 15–32.

  27. Widrow (B.),Mantey (P. E.),Griffiths (L. J.),Goode (B. B.). Adaptive antenns systems (Système d’antennes adaptatives),Proc. I.E.E.E., U. S. A. (déc. 1967),55, n∘ 12, pp. 2143–2159.

    Google Scholar 

  28. Widrow (B.),Groner (G. F.),Hu (M. J. C.),Smith (F. W.),Specht (D. F.) andTalbert (L. R.). Practical applications for adaptative data processing Systems (Applications pratiques des systèmes adaptatifs de traitement de l’information).Rev. A, Belg. (janv. 1968),10, n∘ 1, pp. 27–39.

    Google Scholar 

  29. Yau (S. S.),Schumpert (J. M.). Design of pattern classifiers with the updating property using stochastic approximations techniques (Etude de systèmes de reconnaissance des formes adaptatifs utilisant les techniques de l’approximation stochastique).I.E.E.E. Trans., C, U. S. P. (sept. 1968),17, n∘ 9, pp. 861–872.

    MATH  Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Additional information

Le sujet de cet article a donné lieu à une thèse de doctorat de 3e cycle présentée à la Faculté des Sciences de l’Université de Rennes le 20 juin 1969.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Mercier, G. Approximation stochastique et reconnaissance acoustique d’un vocabulaire limité. Ann. Telecommun. 25, 207–216 (1970). https://doi.org/10.1007/BF02997794

Download citation

  • Received:

  • Issue Date:

  • DOI: https://doi.org/10.1007/BF02997794

Navigation