des consonnes. La
connaissance de la voyelle subséquente permet une amélioration
faible (
) quoique
significative des taux de reconnaissance [44].
- Identification de la voyelle à partir du bruit : La contribution de l'information contextuelle à l'identification du bruit ne se limite probablement pas à la connaissance a priori de la voyelle subséquente. En fait, des expériences de perception ont montré que la voyelle, ou la classe de la voyelle, peut être identifiée à partir du seul bruit d'explosion. Nous nous proposons de vérifier si cette source d'information vocalique est également présente sur nos stimuli dépourvus de segment vocalique.
- Indices acoustiques et réseaux neuronaux : Les expériences de perception ainsi que les analyses acoustiques effectuées sur notre base de données nous ont permis de déterminer quels étaient les indices acoustiques les plus robustes. Ceux-ci ont servi de point d'entrée à un système de reconnaissance des occlusives utilisant des réseaux neuronaux [11,59,58].
- Décodage acoustico-phonétique de la parole: Notre approche se caractérise par la définition de deux niveaux d'indices, forts et faibles, et par l'utilisation des techniques de raisonnement hypothétique. L'utilisation des indices forts présente de nombreux avantages, en particulier le maintien de la cohérence du raisonnement et l' élimination de solutions lexicales. Des indices forts et faibles ont été définis pour les occlusives sourdes du francais. Les indices forts ont fait l'objet de test portant sur tous les contextes vocaliques [43]. Trouver les meilleurs paramètres contrôlant la reconnaissance d'un trait et la meilleure stratégie d'utilisation des indices est un exercice difficile et jusqu'à présent les indices ont été essentiellement définis à l'aide d'heuristiques. Nous avons choisi d'utiliser des algorithmes de construction d'arbres de classification afin de construire un arbre quasi optimal pour un ensemble d'échantillons d'apprentissage.