1. DSpace at My University blida 1
  2. Faculté De Technologie
  3. Département d’Electronique
  4. Mémoires de Master
Please use this identifier to cite or link to this item: http://localhost:8080/xmlui/handle/123456789/40880
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBOUSSELSELA Abderrahamne-
dc.date.accessioned2025-11-02T11:01:33Z-
dc.date.available2025-11-02T11:01:33Z-
dc.date.issued2025-
dc.identifier.urihttps://di.univ-blida.dz/jspui/handle/123456789/40880-
dc.description4.621.1.1419;68pfr_FR
dc.description.abstractLa reconnaissance automatique du locuteur, ou biométrie vocale, est un domaine en pleine évolution grâce aux avancées de l’interaction homme-machine. Dans ce travail, nous explorons une approche d’identification du locuteur basée sur l’apprentissage profond à partir de la voix. Les coefficients cepstraux en fréquences de Mel (MFCC) sont utilisés pour représenter les caractéristiques acoustiques. Nous exploitons les réseaux de neurones récurrents (RNN), et leurs variantes LSTM et GRU, adaptés au traitement des séquences temporelles. Ces architectures permettent de mieux modéliser la dynamique vocale. Enfin, nous comparons l eurs performances pour identifier les systèmes les plus efficacesfr_FR
dc.language.isofrfr_FR
dc.publisherblida1fr_FR
dc.subjectReconnaissance automatique du locuteur, MFCC, RNN, apprentissage profond, LSTM, GRUfr_FR
dc.titleIDENTIFICATION AUTOMATIQUE DU LOCUTEUR PAR LES RESEAUX DE NEURONNES RECURRENTSfr_FR
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
RNN MFCC BOUSSELSSLA 1419-9591.pdf8,92 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.