?
Voice command recognition in intelligent systems using deep neural networks
Ch. 19. P. 113-116.
Соколов А. С., Савченко А. В.
Ключевые слова: автоматическое распознавание речисистемы голосового управленияvoice control systemdeep neural networksглубокие нейронные сетиautomatic speech recognition
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
Савченко А. В., Savchenko Lyudmila V., Pattern Recognition Letters 2015 Vol. 65 P. 145-151
The key purpose of this paper is to train a voice control system if a small amount of user speech data is available without need for general acoustic model if the latter does not fit to the user voice due to known variability sources (childhood, voice diseases, non-nativeness, etc.). We explore the possibility to increase ...
Добавлено: 10 сентября 2015 г.
Савченко А. В., Lecture Notes in Computer Science 2014 Vol. 8509 P. 638-646
Добавлено: 25 июля 2014 г.
Савченко А. В., Информационные технологии 2013 № 4 С. 34-39
Ставится и решается задача автоматического распознавания речи для системы голосового управления. Предложен адаптивный алгоритм распознавания, на первом этапе которого для всех выделенных слогов распознаются гласные фонемы, а на втором происходит уточнение произнесенных слогов. Показано, что такой подход приводит к созданию высоконадежной обучаемой системы, в которой продолжительность настройки под диктора на порядок ниже аналогичного показателя для ...
Добавлено: 13 апреля 2013 г.
Колпащикова Е. О., Социо- и психолингвистические исследования 2023
Whisper – модель автоматического распознавания речи, презентованная компанией OpenAI в сентябре 2022 г. Whisper был обучен на 680000 часах многоязычной и многозадачной речи, что должно было улучшить качество распознавания акцентов и сделать модель менее чувствительной к шуму на фоне разговора. Проведенное исследование посвящено апробации возможностей Whisper на полевых аудиозаписях из корпуса «Один речевой день» и оценке ...
Добавлено: 10 декабря 2023 г.
Kopeykina Lyudmila, Савченко А. В., , in : 2019 International Russian Automation Conference (RusAutoCon). : IEEE, 2019. P. 1-6.
Добавлено: 21 октября 2019 г.
Горбунов А. А., Исаев Е. А., Самодуров В. А., Radio Physics and Radio Astronomy 2017 Т. 22 № 4 С. 270-275
В процессе астрономических наблюдений собираются огромные объемы данных. БСА (Большая Сканирующая Антенна) ФИАН, используемая при исследовании импульсных явлений, ежедневно регистрирует 87.5 Гбайт данных (32 Тб в год). Целью данной работы является разработка веб-сервиса, для помощи экспертам в классификации новых астрономических наблюдений. Azure Machine Learning Studio, поддерживающая алгоритм глубокой нейронной сети, используется в качестве инструмента для ...
Добавлено: 15 октября 2017 г.
Демочкина П. В., Савченко А. В., , in : Proceedings of IEEE International Russian Automation Conference (RusAutoCon 2020). : IEEE, 2020. Ch. 110. P. 610-614.
Добавлено: 3 октября 2020 г.
Соколов А. С., Савченко А. В., , in : 2021 IEEE 19th World Symposium on Applied Machine Intelligence and Informatics (SAMI). : IEEE, 2021. P. 413-418.
Добавлено: 26 сентября 2021 г.
Савченко А. В., IEEE Transactions on Neural Networks and Learning Systems 2020 Vol. 31 No. 2 P. 651-660
Добавлено: 1 ноября 2019 г.
Соколов А. С., / Cornell University. Series Computer Science "arxiv.org". 2021.
Добавлено: 17 ноября 2020 г.
Савченко А. В., Journal of Communications Technology and Electronics 2014 Vol. 59 No. 4 P. 339-345
A phonetic approach to the problem of automatic recognition of isolated words is investigated.The phonetic encoding method whereby each word from a vocabulary is associated with the code sequenceof stable phonemes is proposed. The informationtheoretical estimate of vocabulary confusability, the calcuations of which rely on the phonetic database of a speaker and the communications channel ...
Добавлено: 8 апреля 2014 г.
Савченко А. В., Информационные технологии 2014 № 1 С. 53-57
Рассмотрена задача автоматического выделения голосовых команд из непрерывного речевого потока и их последующего распознавания. Для обнаружения в слогах границ гласных звуков используется основанный на идее вероятностной нейронной сети с проверкой однородности алгоритм фонемной сегментации речи. Предложено считать речевой сигнал частью голосовой команды, если доля длительности выделенного в нем однородного сегмента по отношению к длительности всего ...
Добавлено: 20 января 2014 г.
Колмогорова П. А., В кн. : Теоретическая семантика и идеографическая лексикография: Словарь. Дискурс. Корпус: коллективная монография. : [б.и.], 2023.
Цель данного исследования – рассмотреть существующие для русского языка методы автоматического распознавания речи и их реализации для маркетинговой коммуникации (речи торговых представителей дистрибьютерской компании). Объектом изучения являются 1500 записей диалогов между торговыми представителями дистрибьютерской компании и их клиентами (примерно 12 часов 24 минуты). Предмет исследования – модели автоматического распознавания речи для русского языка и особенности ...
Добавлено: 10 декабря 2023 г.
Rukhovich D., Koroleva P., Rukhovich D. и др., Remote Sensing 2022 Vol. 14 No. 9 Article 2224
Добавлено: 14 ноября 2022 г.
Савченко А. В., Вестник компьютерных и информационных технологий 2014 № 3 С. 30-37
Рассмотрен подход к решению задачи распознавания изолированных слов русской речи для систем голосового управления
на основе метода фонетического декодирования. В рамках теоретико-информационного подхода предложено нахождение неопределенности рабочего словаря как величины условной энтропии канала с шумами, на вход которого поступает некоторое слово
из словаря, а на выходе появляется распознаваемый речевой сигнал. На основе свойств информационного рассогласования Кульбака–Лейблера представлена ...
Добавлено: 26 марта 2014 г.
K. Arzymatov, E. Khomutov, V. Shchur, Lobachevskii Journal of Mathematics 2022 Vol. 43 No. 8 P. 2092-2098
Добавлено: 19 сентября 2022 г.
Berlin, Heidelberg : Springer, 2012
Добавлено: 21 сентября 2012 г.
Савченко А. В., Вестник компьютерных и информационных технологий 2012 № 8 С. 14-19
Ставится задача автоматического построения транскрипции слитной речи. Предложен новый критерий распознавания фонем на основе принципа минимума информационного рассогласования Кульбака-Лейблера и произвольных признаков - оценок спектральной плотности мощности речевого сигнала. Проведено сравнение предложенного критерия с традиционными мерами близости для популярных оценок спектра (периодограмма, авторегрессионная оценка, гребенка полосовых фильтров). Показано, что предложенный критерий характеризуется существенным повышением точности ...
Добавлено: 14 сентября 2012 г.
Савченко А. В., , in : International Joint Conference on Rough Sets, Springer, Cham. : Springer, 2017. P. 264-277.
Добавлено: 26 октября 2018 г.
В работе обсуждаются современные подходы к проектированию сложных интеллектуальных систем компьютерного контроля знаний иностранного языка, использующихся, в частности, для поддержки учебного процесса в высшем учебном заведении. Исследуются механизмы построения онтологических моделей ситуаций в задачах компьютерного контроля знаний английского языка в рамках парадигмы ограниченной рациональности.
На примере личных местоимений проиллюстрированы характерные особенности поведения холонов, взявших на себя ...
Добавлено: 24 октября 2012 г.
Стаценко М. М., Ортопедия, травматология и восстановительная хирургия детского возраста 2020 Т. 8 № 3 С. 317-326
Обоснование. Несмотря на широкий спектр зарубежных исследований по созданию автоматизированного метода измерения угла Кобба на рентгенограмме позвоночника, отечественного вспомогательного инструмента, позволяющего оптимизировать процесс определения степени тяжести сколиотической деформации и выбора эффективного метода лечения, до сих пор не существует.
Цель — исследовать алгоритмы выделения на рентгеновском снимке позвоночного столба, позвонков и построения касательных к межпозвонковым дискам для последующего автоматизированного ...
Добавлено: 18 ноября 2022 г.
Meyer J., Rauchenstein L., Eisenberg J., , in : Proceedings of The 12th Language Resources and Evaluation Conference. Vol. 12.: European Language Resources Association (ELRA), 2020. P. 6462-6468.
Добавлено: 20 апреля 2021 г.
Красовская С. В., Жуликов Г. А., Макиннес У. Д., / Издательский дом НИУ ВШЭ. Series WP BRP "PSYCHOLOGY". 2018. No. 93/PSY/2018.
Добавлено: 15 октября 2018 г.