Algoritmi di Machine Learning per il Riconoscimento Vocale

Con l’avvento dell’Internet of Things (IoT) la mole di dati prodotti da sensori e dispositivi connessi alla rete aumenterà in maniera esponenziale. Per gestire una tale mole di dati diventerà sempre più importante l’utilizzo di nuove strategie di elaborazione per classificare le informazioni raccolte, estrarre “feature” che caratterizzino un certo gruppo di dati, ed infine distillarne il contenuto (dimensionality reduction). In questa tesi si studiano e utilizzano alcuni algoritmi di Machine Learning adatti alla trattazione di problemi multidimensionali di classificazione e alla gestione di grandi quantità di dati (Big Data), in grado di estrarre feature per catalogare i dati. L’obiettivo è quindi quello di implementare alcuni algoritmi di Machine Learning per poi procedere ad un confronto delle prestazioni, sottoponendo vari tipi di problemi di classificazione agli algoritmi realizzati, al fine di verificare quale sia il miglior algoritmo da utilizzare data una certa tipologia di problema. La valutazione delle prestazioni verrà effettuata mediante metodi di misura dell'accuratezza della classificazione, come ad esempio la matrice di confusione, la probabilità di falso allarme (PF), e la probabilità di missed detection (PM).