أصبحت تقنيات التعلم العميق التي تنفذ الشبكات العصبية العميقة شائعة بسبب الزيادة في مرافق_x000D_
الحوسبة عالية األداء. يحقق التعلم العميق قوة ومرونة أعلى نظ ًرا لقدرته على معالجة العديد من_x000D_
الخصائص عندما يتعامل مع البيانات غير المنظمة. تقوم خوارزمية التعلم العميق بتمرير البيانات_x000D_
عبر عدة طبقات؛ يمكن لكل طبقة استخراج الخصائص بشكل تدريجي وتمريرها إلى الطبقة التالية._x000D_
تستخرج الطبقات األولية خصائص منخفضة المستوى ، وتجمع الطبقات التالية الخصائص لتشكيل_x000D_
تمثيل كامل. يحاول البحث الحالي استخدام تقنيات التعلم العميق لتحديد األصوات. غطى التطور في_x000D_
تقنيات الذكاء االصطناعي باستخدام التعلم العميق على نطاق واسع تصنيف الكائنات والتحقق منها من_x000D_
خالل الصور. ومع ذلك ، لم تكن هناك أي نتائج ملحوظة فيما يتعلق بتحديد والتحقق من صوت الفرد_x000D_
من أفراد آخرين مختلفين في تكنولوجيا الذكاء االصطناعي. االكتشافات التكنولوجية الحالية تذهب فقط_x000D_
إلى ترجمة وتفسير أمر صوتي. ومن ثم، سيهدف البحث الحالي إلى تطوير تقنيات التعلم العميق_x000D_
القادرة على تحديد صوت الفرد من مجموعة من األصوات األخرى. يهدف هذا البحث إلى تطبيق_x000D_
ًء على استخدام نماذج_x000D_
تقنيات التعلم العميق للتعرف على أصوات الفرد في بيئة ما وتصنيفها بنا_x000D_
والتي تستخدم في التعرف على الصوت. نقدم ResNet و AlexNet الشبكات العصبية التالفيفية_x000D_
فاعلية هذا العمل ونوصف نتائج تجاربنا ، ونقارن بين نموذجين آخرين. تم الحصول على أفضل_x000D_
النتائج التي تم عرضها باستخدام نموذج_x000D_
الكلمات الرئيسية: التعلم العميق ، التعرف على الصوت ، الشبكة العصبية التالفيفية_x000D_
.AlexNet ،ResNet