دکتر صامتی

 

 


دکتر حسین صامتی

گروه هوش مصنوعی، دانشگده مهندسی مکانیک

دانشگاه صنعتی شریف

حسین صامتی دکترای خود را در مهندسی برق در زمینه پردازش سیگنال‌ گفتاری در سال ۱۳۷۴ از دانشگاه واترلو کانادا دریافت کرد. وی سپس به دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف پیوست و آزمایشگاه پردازش گفتار و زبان طبیعی را تاسیس کرد. همچنین از سال ۱۳۸۲ شرکت  دانش‌بنیان عصرگویش‌پرداز را برای تولید فناوری و ارائه محصولات مطرح در زمینه‌های مربوط به پردازش گفتار و زبان طبیعی بخصوص مرتبط با زبان فارسی تاسیس نمود. آزمایشگاه و شرکت مورد نظر در طی سال‌های فعالیت خود صدها دانشجو را پرورش داده و تعداد زیادی هسته و شرکت تحقیقاتی و فناور توسط آنان تشکیل شده و مشغول فعالیت هستند. اولین سامانه بازشناسی گفتار به زبان فارسی در جهان به نام نویسا در سال ۱۳۸۶ توسط شرکت عصرگویش‌پرداز ارائه شد و بعد از آن ده‌ها محصول کاربردی دیگر و نیز سرویس‌های متعدد نرم‌افزاری توسط این مجموعه‌ها تولید شده که هزاران کاربر حقیقی و حقوقی دارد. زمینه‌های تخصصی مورد علاقه وی شامل بازشناسی گفتار، تبدیل متن به گفتار، سامانه‌های پرسش و پاسخ، بازشناسی و تایید هویت گوینده، بهسازی گفتار و تبدیل گفتار است. دکتر صامتی سمت‌های مدیر گروه هوش مصنوعی و نیز ریاست دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف را نیز بر عهده داشته است.

 

بازشناسی و سنتز گفتار

 

در این سخنرانی موضوع تبدیل گفتار به متن یا بازشناسی گفتار و تبدیل متن به گفتار یا سنتز گفتار مورد بحث قرار می‌گیرد. سابقه این روش‌ها و سیر تحول روش‌های مرسوم از مدل‌های قاعده‌مند به مدل‌های اماری و به‌طور خاص مدل‌های مخفی مارکوف توضیح داده‌ می‌شود. سپس به مدل‌های مبتنی بر شبکه‌های ژرف می‌پردازیم و مدل‌های DNN-HMM به عنوان مدل‌های ترکیبی معرفی می‌شود. حل مشکل آموزش شبکه‌های ژرف مورد بحث قرار می‌گیرد و بعد به سامانه‌های بازشناسی گفتار ژرف سربه‌سر (end-to-end) می‌پردازیم. نقش LSTM و RNN را در این سامانه‌ها خواهیم دید. در مرحله بعد سامانه‌های بازشناسی گفتار مبتنی بر مبدل‌ها را شرح می‌دهیم و آخرین مدل‌ها که مبتنی بر رویکرد مدل‌های پایه و استخراج بردارهای جاسازی‌شده هستند معرفی خواهند شد. مدل Wave2vec2 و WaveLM به عنوان روش‌های روز در این زمینه معرفی خواهد شد و موضوع یکپارچه‌سازی کاربرد مدل‌ها مطرح خواهد شد. از مدل‌های روز دیگر مدل Conformer ارائه خواهد شد و در مورد ترکیب توانمندی مبدل‌ها و شبکه‌های کانولوشنی بحث می‌شود.

در زمینه سنتز گفتار نیز پس از مرور بر روش‌های قاعده‌مند و الحاقی شامل روش انتخاب واحد، مدل‌های آماری موفق  و روش مبتنی بر مدل مخفی مارکوف شرح داده خواهد شد. سپس به روش‌های مبتنی بر شبکه‌های عصبی ژرف  می‌پردازیم و روش‌های سربه‌سر سنتز گفتار شرح داده خواهد شد. این روش‌ها شامل مدل Tacotron II و نیز وکدرهای مختلفی که برای تولید صدای نهایی استفاده می‌شوند هستند. همچنین مدل FastSpeech که مدلی موازی برای حل مشکل سرعت پایین روش‌های خودبازگشتی است معرفی خواهد شد. آخرین نتایج عملکرد روش‌های بازشناسی و سنتز گفتار نیز در این سخنرانی ارائه خواهد شد.





 

 

 دکتر عبداله دکتر امیر عبداله

لیسانس , مهندسی مکانیک از دانشگاه صنعتی شریف و فوق لیسانس و دکترای مهندسی ساخت و تولید پیشرفته از دانشگاه منچستر UMIST انگلستان

دانشیار دانشکده مهندسی مکانیک دانشگاه صنعتی امیرکبیر

سوابق اجرایی:

  • رئیس اسبق دانشکده فنی و مهندسی دانشگاه تربیت مدرس
  • عضو هیات علمی دانشکده مهندسی مکانیک دانشگاه صنعتی امیرکبیر به مدت سی و چهار سال
  • از اعضاء هیأت مؤسس و عضو هیأت رئیسه  انجمن مهندسی ساخت و تولید ایران
  • عضو هیأت تحریریه چهارمجله خارجی و داخلی
  • رئیس کمیته متناظر TC39 ایزو در ایران برای مدت دو سال و عضو فعلی
  • مشاور فنی و اجرایی بیست و سه پروژه صنعتی از جمله شرکت توربین‌سازی مپنا، شرکت ساخت پره توربین پرتو، شرکت ساخت توربین و کمپرسور نفت آسیا و شرکت توربو کمپرسور نفت آسیا

سوابق علمی:

  • تدریس هیجده درس و آزمایشگاه مختلف در مقاطع کارشناسی، کارشناسی ارشد و دکتری در دانشگاه‌های یومیست, صنعتی امیرکبیر، شریف،  تهران، تربیت مدرس، خواجه نصیرالدین طوسی، تبریز، مازندران و اراک
  • راهنمای 24 سمینار کارشناسی ارشد و دکتری، 53 پروژه کارشناسی، 82 پروژه کارشناسی ارشد و 29 پروژه دکتری خاتمه یافته و 0 پروژه کارشناسی، 5 پروژه کارشناسی ارشد و 8 پروژه دکتری جاری
  • برنده سه جایزه خوارزمی در حوزه کاربردی
  • 14 ثبت اختراع
  • 72 مقاله علمی - پژوهشی در مجلات خارجیISI  و  35مقاله علمی - پژوهشی در مجلات داخلی و 103 مقاله در کنفرانس‌های داخلی و خارجی
  • مؤلف 16 جزوه درسی در زمینه مهندسی مکانیک



آشنایی با فناوری پیشرفته مهندسی آلتراسونیک و کاربردهای آن


1. آشنایی با مهندسی آلتراسونیک و انواع تکنیک های تولید ارتعاشات
2. آشنایی با کاربردهای آلتراسونیک در صنایع پیشرفته

  • جوشکاری مواد غیر هم جنس، دوختن، آببندی، لحیم کاری
  •  ماشین کاری، سوراخ کاری، برش­کاری بر روی مواد ترد  و سخت
  •  بهبود عملیات شکل­ دهی ( آهنگری، ریخته­ گری مداوم، اکستروژن و کشش عمیق)
  •  بهبود عملیات ماشین کاری سنتی  ( تراشکاری، فرزکاری، سوراخ کاری و سنگ زنی)
  • بهبود خواص سطحی و افزایش نرخ باربرداری فرآیندهای نوین تولید ( ماشین کاری الکتروشیمیایی، تخلیه الکتریکی  و...)
  • بهبود خواص سطحی قطعات و جوش به روش مکانیکی(Ultrasonic Peening and shot peening)
  •  اتمیزه کردن و تولید پودر فلزات در اندازه نانو
  •  پرداخت سطوح
  • کمک به عملیات فیزیکی و شیمیایی (ایجاد واکنش شیمیایی و فیزیکی، تسریع واکنش ها، کاهش آلودگی، آماده ­سازی سنگ معدن جهت ذوب و تصفیه، همگن سازی، امولوسیون سازی، سوسپانسیون سازی، انحلال، گاز زدایی، پراکنده سازی کلوئیدی)
  •  بهبود پوشش دهی  (Electroplating)و افزایش چسبندگی و خواص مکانیکی پوشش در قطعات صنعتی مختلف
  • پاکسازی لوله ها و راکتورها در سیستم های نفت و گاز و  سایر سیستم های صنعتی
  •  شستشوی قطعات پیچیده، ظریف یا مستحکم، با زدودن چربی ها، گرد و خاک و سایر آلودگی ها و رفع پلیسه­ های ظریف از لبه­ ها

3. ارائه توانمندی های موجود در کشور در بکارگیری فناوری آلتراسونیک

  • طراحی و ساخت انواع ترانسدیوسرها بوسترها و هورنهای التراسونیک و تجهیزات التراسونیکی برای کاربردهای گوناگون

4. منافع استفاده از فناوری التراسونیک در فرآیندهای مختلف صنعتی:

  • بهبود کیفیت محصول
  • کاهش زمان تولید
  •  افزایش نرخ تولید
  • کاهش هزینه تولید
  • امکان تولید قطعات از جنس مواد ویژه
  • کاهش مصرف انرژی
  • کمک به کاهش آلودگی محیط زیست