查看“WikiEdge:ArXiv速递/2025-03-30”的源代码

== 摘要 ==
* '''原文标题'''：Evaluation of the Pronunciation of Tajweed Rules Based on DNN as a Step Towards Interactive Recitation Learning
* '''中文标题'''：基于深度神经网络的特吉德规则发音评估：迈向交互式诵读学习的一步
* '''发布日期'''：2025-03-30 15:03:02+00:00
* '''作者'''：Dim Shaiakhmetov, Gulnaz Gimaletdinova, Selcuk Cankurt, Kadyrmamat Momunov
* '''分类'''：cs.SD, eess.AS
*'''原文链接'''：http://arxiv.org/abs/2503.23470v1
'''中文摘要'''：摘要：遵循《[[古兰经]]》诵读规则（[[Tajweed]]）的正确诵念对于避免诵读错误至关重要，但需要大量练习才能掌握。传统教学方法受限于合格教师的可及性和时间约束。通过提供即时反馈并支持自主练习，自动化的诵念评估能够应对这些挑战。本研究致力于开发[[深度学习模型]]，利用公开可用的[[QDAT数据集]]（包含1,500余条录音）对三个[[Tajweed]]规则进行分类：[[分离延长音]]（[[Al Mad]]）、[[紧鼻音]]（[[Ghunnah]]）和[[隐藏音]]（[[Ikhfaa]]）。输入数据来自该数据集的[[音频录音]]，并转换为归一化[[梅尔频谱图]]。分类采用[[EfficientNet-B0]]架构，并集成了[[挤压-激励注意力机制]]。所开发模型对上述规则的分类准确率分别达到95.35%、99.34%和97.01%。[[学习曲线]]分析证实了模型的[[鲁棒性]]且未出现过拟合。该方法展现出高效性，为开发交互式[[Tajweed]]教学系统奠定了基础。