Afficher la notice abrégée
dc.contributor.author |
Mahmoudi Fatma |
|
dc.contributor.author |
Mahmoudi Fatma |
|
dc.date.accessioned |
2024-10-08T10:37:54Z |
|
dc.date.available |
2024-10-08T10:37:54Z |
|
dc.date.issued |
2024 |
|
dc.identifier.uri |
https://di.univ-blida.dz/jspui/handle/123456789/31125 |
|
dc.description |
4.621.1.1327;70p |
fr_FR |
dc.description.abstract |
Ce mémoire traite du débruitage de la parole en utilisant des réseaux de neurones
convolutifs (CNN). Le débruitage de la parole est crucial pour améliorer la qualité et
l'intelligibilité des enregistrements vocaux dans divers contextes. Nous avons développé et
entraîné un modèle de CNN pour réduire le bruit dans les signaux de parole en utilisant un
signal bruité comme entrée. Les résultats obtenus montrent une amélioration significative de
la qualité sonore par rapport aux méthodes traditionnelles. Notre approche permet de
préserver la clarté et les caractéristiques naturelles de la parole tout en réduisant efficacement
le bruit de fond. Ces résultats démontrent le potentiel des CNN pour des applications de
traitement du signal de parole dans des environnements bruyants |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
blida1 |
fr_FR |
dc.subject |
Amélioration de la parole , apprentissage profond DL , réseau CNN Abstract :This thesis addresses speech denoising using convolutional neural net |
fr_FR |
dc.title |
Débruitage de la parole basée sur un réseau neuronal convolutif (Convolutional Neural Network:CNN) |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée