Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/543
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBENLARIA, AYyoub YAssine-
dc.contributor.authorDAFI, ADel-
dc.date.accessioned2023-10-17T13:18:23Z-
dc.date.available2023-10-17T13:18:23Z-
dc.date.issued2023-
dc.identifier.urihttps://repository.esi-sba.dz/jspui/handle/123456789/543-
dc.descriptionEncadrant : Dr. Mediani Mohammed / Dr. Khaldi Belkacemen_US
dc.description.abstractABSTRACT : This thesis explores the challenges and innovative approaches in the domains of speech recognition and machine translation, with a particular focus on addressing the complexities associated with low-resource languages. It delves into various methodologies, including Multilayer Perceptrons (MLPs), Hidden Markov Models (HMMs), Transfer Learning, Prior Models, and Multilingual Learning, providing a comprehensive overview of the state-of-the-art techniques. Through in-depth analysis and comparative studies, this thesis reveals the strengths and limitations of each approach and lays the foundation for further research and development in the field. The study culminates with an examination of low-resource scenarios in the Tamasheq language, shedding light on the challenges faced and potential solutions for improving automatic speech recognition (ASR) and speech translation (ST) in such environments. *** Résumé : Cette thèse explore les défis et les approches innovantes dans les domaines de la reconnaissance vocale et de la traduction automatique, avec un accent particulier sur la résolution des complexités associées aux langues à faibles ressources. Il explore diverses méthodologies, notamment les perceptrons multicouches (MLP), les modèles de Markov cachés (HMM), l’apprentissage par transfert, les modèles antérieurs et l’apprentissage multilingue, offrant un aperçu complet des techniques de pointe. Grâce à une analyse approfondie et des études comparatives, cette thèse révèle les forces et les limites de chaque approche et jette les bases de recherches et de développements ultérieurs dans le domaine. L’étude se termine par un examen de scénarios à faibles ressources dans la langue tamasheq, mettant en lumière les défis rencontrés et les solutions potentielles pour améliorer la reconnaissance automatique de la parole (ASR) et la traduction vocale (ST) dans de tels environnements.en_US
dc.language.isoenen_US
dc.subjectNatural Language Processingen_US
dc.subjectAutomatic Speech Recognitionen_US
dc.subjectMachine Translationen_US
dc.subjectlow Resource Languageen_US
dc.subjectDeep Learningen_US
dc.subjectTamasheqen_US
dc.subjectTuaregen_US
dc.subjectWav2Vec2en_US
dc.subjectM2Men_US
dc.titleA Smart NLP System for Tamasheq – Arabic Bilingual Corpus Buildingen_US
dc.typeThesisen_US
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
Master_final-1-1.pdf85,5 kBAdobe PDFView/Open
Show simple item record


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