Mes travaux portent sur la conception d'un outil informatique dédié à la gestion de Modéles de Markov Cachés ( MMC ) dans le cadre de la Reconnaissance Automatique de la Parole ( RAP ).
Dans le cadre des applications en RAP l'enregistrement du sinal lui-même ne suffit pas à identifier les prononciations d'un mot étant donné l'estrême variablilité du signal dûe aux locuteurs et au milieu environnant. La solution idéale réside dans une représentation adéquate du signal et l'élaboration d'un réel système de reconnaissance indépendant du vocabulaire et du locuteur. A l'heure actuelle, les modules classiques de RAP les plus efficaces utilisent une approche statistique et plus particulièrement des MMC. Il en existe une grande diversité car leur réalisation est très dépendante de l'application à laquelle ils sont destinés. Les recherches autour de ces modèles sont nombreuses, chacune apportant sa "pierre". Posséder un outil suffisamment souple, permettant d'accéder aux différents niveaux d'abstraction de ces modèles, est un réel besoin en recherche fondamentale sur la RAP. Afin d'apporter une aide dans la conception de systèmes de reconnaissance basés sur la notion de réseaux probabilisés, nous avons conçu un outil permettant de compiler des réseaux multi-niveaux à partir d'un langage de compilation simple et contenant le moins de contraintes possibles. Cet outil est modulable et rapidement adaptable à de nouveaux besoins sans être nécessairement expert en informatique. Nous avons réalisé quelques applications dans la cadre de la RAP afin d'évaluer cet outil :
Mars 1996.