Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм
Исследованы модели на основе нейронных сетей глубокого обучения, базирующиеся на общем подходе к паузам и сигналам речи как разным видам звуковой информации, зафиксированной в фонограмме, отличающимся по некоторым характеристикам. Такой подход позволяет формировать базы данных обучения с использован...
Saved in:
| Published in: | Кібернетика та системний аналіз |
|---|---|
| Date: | 2021 |
| Main Authors: | , , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2021
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/190592 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм / В.И. Соловьев, О.В. Рыбальский, В.В. Журавель, Н.В. Семенова // Кібернетика та системний аналіз. — 2021. — Т. 57, № 1. — С. 153–159. — Бібліогр.: 10 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-190592 |
|---|---|
| record_format |
dspace |
| spelling |
Соловьев, В.И. Рыбальский, О.В. Журавель, В.В. Семенова, Н.В. 2023-06-14T11:33:11Z 2023-06-14T11:33:11Z 2021 Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм / В.И. Соловьев, О.В. Рыбальский, В.В. Журавель, Н.В. Семенова // Кібернетика та системний аналіз. — 2021. — Т. 57, № 1. — С. 153–159. — Бібліогр.: 10 назв. — рос. 1019-5262 https://nasplib.isofts.kiev.ua/handle/123456789/190592 621.317+681.849 Исследованы модели на основе нейронных сетей глубокого обучения, базирующиеся на общем подходе к паузам и сигналам речи как разным видам звуковой информации, зафиксированной в фонограмме, отличающимся по некоторым характеристикам. Такой подход позволяет формировать базы данных обучения с использованием общих для пауз и сигналов речи методов предварительной обработки информации, что обеспечивает более высокий уровень унификации методов обучения сетей, предназначенных для решения разных задач экспертизы. Досліджено моделі на основі нейронних мереж глибокого навчання, що базуються на загальному підході до пауз і сигналів мови як різних видів зафіксованої у фонограмі звукової інформації, які відрізняються деякими характеристиками. Такий підхід дає змогу формувати бази даних навчання з використанням загальних для пауз і сигналів мови методів попереднього оброблення інформації, що забезпечує вищий рівень уніфікації методів навчання мереж, призначених для розв'язання різних задач експертизи. The authors analyze the models based on deep learning neural networks, on the basis of the general approach to pauses and speech signals as different types of voice information fixed in a phonogram, different in some characteristics. It is shown that such an approach allows generating the learning databases with the use of the general for pauses and signals of speech methods of preliminary processing of information. This provides a high level of unification of network learning methods intended for solution of various examination problems. ru Інститут кібернетики ім. В.М. Глушкова НАН України Кібернетика та системний аналіз Програмно-технічні комплекси Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм Дослідження моделей розпізнавання звуків мови на основі нейронних мереж глибокого навчання для експертизи цифрових фонограм Analyzing the models of speech recognition on the basis of neural networks of deep learning for examination of digital phonograms Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм |
| spellingShingle |
Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм Соловьев, В.И. Рыбальский, О.В. Журавель, В.В. Семенова, Н.В. Програмно-технічні комплекси |
| title_short |
Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм |
| title_full |
Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм |
| title_fullStr |
Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм |
| title_full_unstemmed |
Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм |
| title_sort |
исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм |
| author |
Соловьев, В.И. Рыбальский, О.В. Журавель, В.В. Семенова, Н.В. |
| author_facet |
Соловьев, В.И. Рыбальский, О.В. Журавель, В.В. Семенова, Н.В. |
| topic |
Програмно-технічні комплекси |
| topic_facet |
Програмно-технічні комплекси |
| publishDate |
2021 |
| language |
Russian |
| container_title |
Кібернетика та системний аналіз |
| publisher |
Інститут кібернетики ім. В.М. Глушкова НАН України |
| format |
Article |
| title_alt |
Дослідження моделей розпізнавання звуків мови на основі нейронних мереж глибокого навчання для експертизи цифрових фонограм Analyzing the models of speech recognition on the basis of neural networks of deep learning for examination of digital phonograms |
| description |
Исследованы модели на основе нейронных сетей глубокого обучения, базирующиеся на общем подходе к паузам и сигналам речи как разным видам звуковой информации, зафиксированной в фонограмме, отличающимся по некоторым характеристикам. Такой подход позволяет формировать базы данных обучения с использованием общих для пауз и сигналов речи методов предварительной обработки информации, что обеспечивает более высокий уровень унификации методов обучения сетей, предназначенных для решения разных задач экспертизы.
Досліджено моделі на основі нейронних мереж глибокого навчання, що базуються на загальному підході до пауз і сигналів мови як різних видів зафіксованої у фонограмі звукової інформації, які відрізняються деякими характеристиками. Такий підхід дає змогу формувати бази даних навчання з використанням загальних для пауз і сигналів мови методів попереднього оброблення інформації, що забезпечує вищий рівень уніфікації методів навчання мереж, призначених для розв'язання різних задач експертизи.
The authors analyze the models based on deep learning neural networks, on the basis of the general approach to pauses and speech signals as different types of voice information fixed in a phonogram, different in some characteristics. It is shown that such an approach allows generating the learning databases with the use of the general for pauses and signals of speech methods of preliminary processing of information. This provides a high level of unification of network learning methods intended for solution of various examination problems.
|
| issn |
1019-5262 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/190592 |
| citation_txt |
Исследования моделей распознавания звуков речи на основе нейронных сетей глубокого обучения для экспертизы цифровых фонограмм / В.И. Соловьев, О.В. Рыбальский, В.В. Журавель, Н.В. Семенова // Кібернетика та системний аналіз. — 2021. — Т. 57, № 1. — С. 153–159. — Бібліогр.: 10 назв. — рос. |
| work_keys_str_mv |
AT solovʹevvi issledovaniâmodeleiraspoznavaniâzvukovrečinaosnoveneironnyhseteiglubokogoobučeniâdlâékspertizycifrovyhfonogramm AT rybalʹskiiov issledovaniâmodeleiraspoznavaniâzvukovrečinaosnoveneironnyhseteiglubokogoobučeniâdlâékspertizycifrovyhfonogramm AT žuravelʹvv issledovaniâmodeleiraspoznavaniâzvukovrečinaosnoveneironnyhseteiglubokogoobučeniâdlâékspertizycifrovyhfonogramm AT semenovanv issledovaniâmodeleiraspoznavaniâzvukovrečinaosnoveneironnyhseteiglubokogoobučeniâdlâékspertizycifrovyhfonogramm AT solovʹevvi doslídžennâmodeleirozpíznavannâzvukívmovinaosnovíneironnihmerežglibokogonavčannâdlâekspertizicifrovihfonogram AT rybalʹskiiov doslídžennâmodeleirozpíznavannâzvukívmovinaosnovíneironnihmerežglibokogonavčannâdlâekspertizicifrovihfonogram AT žuravelʹvv doslídžennâmodeleirozpíznavannâzvukívmovinaosnovíneironnihmerežglibokogonavčannâdlâekspertizicifrovihfonogram AT semenovanv doslídžennâmodeleirozpíznavannâzvukívmovinaosnovíneironnihmerežglibokogonavčannâdlâekspertizicifrovihfonogram AT solovʹevvi analyzingthemodelsofspeechrecognitiononthebasisofneuralnetworksofdeeplearningforexaminationofdigitalphonograms AT rybalʹskiiov analyzingthemodelsofspeechrecognitiononthebasisofneuralnetworksofdeeplearningforexaminationofdigitalphonograms AT žuravelʹvv analyzingthemodelsofspeechrecognitiononthebasisofneuralnetworksofdeeplearningforexaminationofdigitalphonograms AT semenovanv analyzingthemodelsofspeechrecognitiononthebasisofneuralnetworksofdeeplearningforexaminationofdigitalphonograms |
| first_indexed |
2025-12-01T01:59:45Z |
| last_indexed |
2025-12-01T01:59:45Z |
| _version_ |
1850859048921989120 |