Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм

Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм

На модели нейронной сети глубокого обучения обоснована и проверена принципиальная пригодность данной сети для создания высокоэффективного экспертного инструментария, предназначенного для выявления следов цифровой обработки в фонограммах. Эксперимент проведен на большом объеме (более 100 000) экспери...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Кибернетика и системный анализ
Дата:2020
Автори: Соловьев, В.И., Рыбальский, О.В., Журавель, В.В.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2020
Теми:
Програмно-технічні комплекси
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/190372
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм / В.И. Соловьев, О.В. Рыбальский, В.В. Журавель // Кибернетика и системный анализ. — 2020. — Т. 56, № 2. — С. 182–188. — Бібліогр.: 25 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-190372
record_format dspace
spelling Соловьев, В.И.
Рыбальский, О.В.
Журавель, В.В.
2023-06-03T14:09:27Z
2023-06-03T14:09:27Z
2020
Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм / В.И. Соловьев, О.В. Рыбальский, В.В. Журавель // Кибернетика и системный анализ. — 2020. — Т. 56, № 2. — С. 182–188. — Бібліогр.: 25 назв. — рос.
1019-5262
https://nasplib.isofts.kiev.ua/handle/123456789/190372
621.317+681.849
На модели нейронной сети глубокого обучения обоснована и проверена принципиальная пригодность данной сети для создания высокоэффективного экспертного инструментария, предназначенного для выявления следов цифровой обработки в фонограммах. Эксперимент проведен на большом объеме (более 100 000) экспериментальных фрагментов необработанных пауз фонограмм и пауз со следами обработки, полученных в автоматическом режиме. Найденные зависимости показали, что при пороге вероятности свыше 0,55 правильной бинарной классификации пауз возникает возможность построения высокоэффективного инструментария экспертизы.
На моделі нейронної мережі глибокого навчання обґрунтовано і перевірено принципову придатність такої мережі для створення високоефективного експертного інструментарію, призначеного для виявлення слідів цифрового оброблення у фонограмах. Експеримент проведено на великому обсязі (більше 100000) експериментальних фрагментів необроблених пауз фонограм і пауз із слідами оброблення, отриманих в автоматичному режимі. Отримані залежності показали, що за порогу ймовірності понад 0.55 правильної бінарної класифікації пауз виникає можливість побудови високоефективного інструментарію експертизи.
On the model of a deep learning neuron network, the authors substantiate and verify ptincipal applicability of such network to create a highly efficient expert tool intended to detect traces of digital treatment in phonograms. An experiment is conducted on a large volume (more than 100,000) of experimental fragments of untilled pauses of phonograms and pauses with traces of treatment, obtained in the automatic mode. The obtained dependences showed that for the probability threshold over 0.55 correct binary classification of pauses there is a possibility of constructing a highly efficient tool of examination.
ru
Інститут кібернетики ім. В.М. Глушкова НАН України
Кибернетика и системный анализ
Програмно-технічні комплекси
Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм
Обґрунтування принципової придатності нейронних мереж глибокого навчання для побудови системи виявлення слідів цифрового оброблення фонограм
Substantiating the fundamental fitness of deep learning neuron networks for construction of a system for detecting traces of digital treatment of phonograms
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм
spellingShingle Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм
Соловьев, В.И.
Рыбальский, О.В.
Журавель, В.В.
Програмно-технічні комплекси
title_short Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм
title_full Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм
title_fullStr Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм
title_full_unstemmed Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм
title_sort обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм
author Соловьев, В.И.
Рыбальский, О.В.
Журавель, В.В.
author_facet Соловьев, В.И.
Рыбальский, О.В.
Журавель, В.В.
topic Програмно-технічні комплекси
topic_facet Програмно-технічні комплекси
publishDate 2020
language Russian
container_title Кибернетика и системный анализ
publisher Інститут кібернетики ім. В.М. Глушкова НАН України
format Article
title_alt Обґрунтування принципової придатності нейронних мереж глибокого навчання для побудови системи виявлення слідів цифрового оброблення фонограм
Substantiating the fundamental fitness of deep learning neuron networks for construction of a system for detecting traces of digital treatment of phonograms
description На модели нейронной сети глубокого обучения обоснована и проверена принципиальная пригодность данной сети для создания высокоэффективного экспертного инструментария, предназначенного для выявления следов цифровой обработки в фонограммах. Эксперимент проведен на большом объеме (более 100 000) экспериментальных фрагментов необработанных пауз фонограмм и пауз со следами обработки, полученных в автоматическом режиме. Найденные зависимости показали, что при пороге вероятности свыше 0,55 правильной бинарной классификации пауз возникает возможность построения высокоэффективного инструментария экспертизы. На моделі нейронної мережі глибокого навчання обґрунтовано і перевірено принципову придатність такої мережі для створення високоефективного експертного інструментарію, призначеного для виявлення слідів цифрового оброблення у фонограмах. Експеримент проведено на великому обсязі (більше 100000) експериментальних фрагментів необроблених пауз фонограм і пауз із слідами оброблення, отриманих в автоматичному режимі. Отримані залежності показали, що за порогу ймовірності понад 0.55 правильної бінарної класифікації пауз виникає можливість побудови високоефективного інструментарію експертизи. On the model of a deep learning neuron network, the authors substantiate and verify ptincipal applicability of such network to create a highly efficient expert tool intended to detect traces of digital treatment in phonograms. An experiment is conducted on a large volume (more than 100,000) of experimental fragments of untilled pauses of phonograms and pauses with traces of treatment, obtained in the automatic mode. The obtained dependences showed that for the probability threshold over 0.55 correct binary classification of pauses there is a possibility of constructing a highly efficient tool of examination.
issn 1019-5262
url https://nasplib.isofts.kiev.ua/handle/123456789/190372
citation_txt Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм / В.И. Соловьев, О.В. Рыбальский, В.В. Журавель // Кибернетика и системный анализ. — 2020. — Т. 56, № 2. — С. 182–188. — Бібліогр.: 25 назв. — рос.
work_keys_str_mv AT solovʹevvi obosnovanieprincipialʹnoivozmožnostiprimeneniâneironnyhseteiglubokogoobučeniâdlâpostroeniâsistemyvyâvleniâsledovcifrovoiobrabotkifonogramm
AT rybalʹskiiov obosnovanieprincipialʹnoivozmožnostiprimeneniâneironnyhseteiglubokogoobučeniâdlâpostroeniâsistemyvyâvleniâsledovcifrovoiobrabotkifonogramm
AT žuravelʹvv obosnovanieprincipialʹnoivozmožnostiprimeneniâneironnyhseteiglubokogoobučeniâdlâpostroeniâsistemyvyâvleniâsledovcifrovoiobrabotkifonogramm
AT solovʹevvi obgruntuvannâprincipovoípridatnostíneironnihmerežglibokogonavčannâdlâpobudovisistemiviâvlennâslídívcifrovogoobroblennâfonogram
AT rybalʹskiiov obgruntuvannâprincipovoípridatnostíneironnihmerežglibokogonavčannâdlâpobudovisistemiviâvlennâslídívcifrovogoobroblennâfonogram
AT žuravelʹvv obgruntuvannâprincipovoípridatnostíneironnihmerežglibokogonavčannâdlâpobudovisistemiviâvlennâslídívcifrovogoobroblennâfonogram
AT solovʹevvi substantiatingthefundamentalfitnessofdeeplearningneuronnetworksforconstructionofasystemfordetectingtracesofdigitaltreatmentofphonograms
AT rybalʹskiiov substantiatingthefundamentalfitnessofdeeplearningneuronnetworksforconstructionofasystemfordetectingtracesofdigitaltreatmentofphonograms
AT žuravelʹvv substantiatingthefundamentalfitnessofdeeplearningneuronnetworksforconstructionofasystemfordetectingtracesofdigitaltreatmentofphonograms
first_indexed 2025-12-07T13:11:22Z
last_indexed 2025-12-07T13:11:22Z
_version_ 1850855215424602112

Схожі ресурси