?
Детектирование эмоций в речи с использованием долгой краткосрочной памяти
С. 1083-1089.
Рассматривается задача автоматической классификации эмоций в цифровом аудио сигнале. В работе рассматривается и верифицируется подход, в котором классификация звукового фрагмента производится с помощью рекуррентной нейронной сети c долговременно-кратковременной памятью. В качестве признаков использовались мел-кепстральные коэффициенты. Произведен численный эксперимент на открытом наборе данных Ravdess, включающий 8 различных эмоций: “нейтральный”, “спокойный”, “счастливый”, “грустный”, “злой”, “испуганный”, “отвращение”, “удивление” и проведено сравнение разных наборов признаков и разных архитектур сети.
Язык:
русский
Ключевые слова: разностные (рекуррентные) уравненияdeep learningглубокое обучениеLSTMRNNИСТ-2018мел-кепстральные коэффициентынейронные сети c долговременно-кратковременной памятьюанализ речи
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
Бекназаров Н. С., , in : Z-DNA: Methods and Protocols. : United States of America : Springer, 2023. P. 217-226.
Here we describe an approach that uses deep learning neural networks such as CNN and RNN to aggregate information from DNA sequence; physical, chemical, and structural properties of nucleotides; and omics data on histone modifications, methylation, chromatin accessibility, and transcription factor binding sites and data from other available NGS experiments. We explain how with the ...
Добавлено: 26 декабря 2023 г.
Tereshchenko S., Perov Artem A., Osipov A., Siberian Journal of Life Sciences and Agriculture 2021 Т. 13 № 3 С. 103-118
Цель.
Разработка модели сверточной нейронной сети для определения вне
корневых заболеваний яблонь по фотографиям листьев с мобильного телефона.
Методы и материалы исследования.
Материалом для исследований по
служили размеченные изображения с различными видами внекорневых заболе
ваний яблони, опубликованные в открытом доступе платформы Kaggle. Ме
тоды исследования: теория проектирования и разработки информационных
систем, программирования, методы аугментации и расширения датасетов
для задач компьютерного зрения, методы настройки гиперпараметров ...
Добавлено: 17 ноября 2021 г.
Piscataway : IEEE, 2020
Добавлено: 15 октября 2020 г.
Савченко А. В., Белова Н. С., Savchenko Lyudmila V., Optical Memory and Neural Networks (Information Optics) 2018 Vol. 27 No. 1 P. 23-31
Добавлено: 9 февраля 2018 г.
Grigoryev T., Вереземская П. С., Krinitskiy M. и др., Remote Sensing 2022 Vol. 14 No. 22 Article 5837
Добавлено: 19 июня 2023 г.
Rajput N. S., Deogune M., Mishra A. и др., , in : Proceedings of 4th IEEE World Forum on Internet of Things WF-IoT 2018. : NY : IEEE Computer Society, 2018. P. 625-628.
Добавлено: 14 февраля 2018 г.
Rukhovich D., Koroleva P., Rukhovich D. и др., Remote Sensing 2022 Vol. 14 No. 9 Article 2224
Добавлено: 14 ноября 2022 г.
Andrey Okhotin, Dmitry Molchanov, Arkhipkin V. и др., , in : Advances in Neural Information Processing Systems 36 (NeurIPS 2023). : Curran Associates, Inc., 2023. P. 10038-10067.
Добавлено: 15 февраля 2024 г.
Чертенков В. И., Буровский Е. А., Щур Л. Н., , in : Supercomputing: 8th Russian Supercomputing Days, RuSCDays 2022, Moscow, Russia, September 26–27, 2022, Revised Selected Papers. Vol. 13708.: Springer, 2022. P. 397-408.
Добавлено: 31 марта 2023 г.
Романюк К. А., , in : 2018 Fifth HCT Information Technology Trends (ITT). : IEEE, 2018. P. 1-6.
Добавлено: 28 февраля 2019 г.
Гремячих Л. И., Устюжанин А. Е., Станкевич А. и др., / arxiv. Series 2110.08626 "Machine Learning". 2021.
В статье рассматривается проблема получения модели скорости для сложной среды на основе граничных измерений. Для описания среды используется акустическая модель. Мы использовали открытый набор данных распределений скоростей для прямого сравнения представленных результатов с предыдущими работами. Прямое моделирование выполняется с использованием сеточно-характеристического численного метода. Обратная задача решается с помощью глубоких сверточных нейронных сетей. Предложены модификации базовой ...
Добавлено: 24 мая 2022 г.
Сучков Е. П., Алексеенко Г. О., Налчаджи К. В., Интеллектуальные системы. Теория и приложения 2022 Т. 26 № 1 С. 250-254
В настоящее время все более широкое распространение получают различные системы видеофиксации. Одной из основных целей
таких систем является контроль и слежение за человеком. Решение
данной задачи позволяет в дальнейшем решать такие прикладные
задачи, как контроль заполненности различных помещений (будьто торговые объекты или образовательно-культрурные учереждения), построение тепловой карты перемещений человека, организация контроля доступа к тому или иному объекту. В ...
Добавлено: 31 января 2023 г.
Shenbin I., Alekseev A., Тутубалина Е. В. и др., , in : WSDM '20: Proceedings of the 13th International Conference on Web Search and Data Mining. : Association for Computing Machinery (ACM), 2020. P. 528-536.
Добавлено: 28 октября 2020 г.
A. Maevskiy, F. Ratnikov, Zinchenko A. и др., The European Physical Journal C - Particles and Fields 2021 Vol. 81 Article 599
Добавлено: 12 июля 2021 г.
Грачев А. М., Игнатов Д. И., Савченко А. В., , in : Pattern Recognition and Machine Intelligence. 7th International Conference, PReMI 2017, Kolkata, India, December 5-8, 2017, Proceedings. Lecture Notes in Computer Science book series (LNCS, volume 10597). : Springer, 2017. P. 351-357.
Добавлено: 14 октября 2018 г.
Добавлено: 13 марта 2024 г.
Хомутов Е. В., Арзыматов К., Щур В. Л., Journal of Physics: Conference Series 2021 Vol. 1740 Article 012031
Добавлено: 17 мая 2021 г.
Бакланов А. П., Khachay M., Pasynkov M., , in : Proceedings of Analysis of Images, Social Networks and Texts – 7th International Conference, AIST 2018, Moscow, Russia, July 5-7, 2018, Revised Selected Papers. Lecture Notes in Computer Science. Vol. 11179.: Berlin : Springer, 2018. P. 155-167.
Добавлено: 23 января 2019 г.
Савченко Л. В., Информационные технологии 2019 Т. 25 № 5 С. 313-318
Рассматривается задача постановки произношения на основе применения методов глубокого обучения совместно с информационной теорией восприятия речи. Для повышения эффективности тестирования качества произношения предложено проводить дообучение сверточной нейронной сети с использованием наилучших эталонов пользователя. Экспериментально показано, что предложенный подход характеризуется высокой точность и скоростью распознавания для различных акустических моделей по сравнению с известными аналогами. ...
Добавлено: 29 мая 2019 г.
Савченко Л. В., Информационные технологии 2020 Т. 26 № 5 С. 290-296
В статье рассматривается задача распознавания изолированных слов с помощью методов глубокого обучения и сверточных нейронных сетей. Предложено выполнить дообучение сетей для проведения адаптации акустических моделей на голос диктора с использованием малого числа произнесенных им реализаций эталонных слов. Для понижения вероятности ошибочного распознавания рассматривается комбинирование нескольких различных дообученных дикторозависимых нейросетевых моделей. ...
Добавлено: 2 сентября 2020 г.
Криницкий М. А., Вереземская П. С., Гращенков К. В. и др., Atmosphere 2018 Vol. 9 No. 426 P. 1-23
Добавлено: 26 ноября 2020 г.
Computational methods to predict Z-DNA regions are in high demand to understand the functional role of Z-DNA. The previous state-of-the-art method Z-Hunt is based on statistical mechanical and energy considerations about B- to Z-DNA transition using sequence information. Z-DNA CHiP-seq experiment results showed little overlap with Z-Hunt predictions implying that sequence information only is not ...
Добавлено: 11 декабря 2020 г.
Малафеев А. Ю., Николаев К. И., , in : Analysis of Images, Social Networks and Texts. 8th International Conference, AIST 2019, Kazan, Russia, July 17–19, 2019, Revised Selected Papers. Communications in Computer and Information Science. Vol. 1086.: Springer, 2020. P. 154-159.
В статье проводится исследование методов глубокого обучения для решения новой задачи многоклассовой классификации текстов, а именно определения интересов пользователей с помощью текстовых сообщений. Мы использовали оригинальный набор данных из почти 90 тысяч текстовых сообщений с форумов, размеченных по десяти интересам. Мы экспериментировали с различными современными архитектурами нейронных сетей: рекуррентными и сверточными, а также с более простыми сетями с прямой связью. ...
Добавлено: 7 ноября 2019 г.
Рыжиков А. С., Устюжанин А. Е., Journal of Physics: Conference Series 2018 Vol. 1085 P. 1-6
Добавлено: 11 декабря 2017 г.