• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Глава
  • Распознавание кашля с помощью анализа спектрограмм
  • RU
  • EN
Расширенный поиск
Высшая школа экономики
Национальный исследовательский университет
Приоритетные направления
  • бизнес-информатика
  • государственное и муниципальное управление
  • гуманитарные науки
  • инженерные науки
  • компьютерно-математическое
  • математика
  • менеджмент
  • право
  • социология
  • экономика
по году
  • 2027
  • 2026
  • 2025
  • 2024
  • 2023
  • 2022
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1958
  • еще
Тематика
Новости
15 мая 2026 г.
В НИУ ВШЭ разрабатывают нейросеть для сферы науки и инноваций
Исследователи НИУ ВШЭ учат большие языковые модели понимать русскоязычную научную терминологию, увеличивая при этом их энергоэффективность. Адаптированная модель работает в 2,7 раза быстрее и требует на 73% меньше памяти, чем исходная открытая модель, что позволяет запускать ее на более доступном оборудовании. Программа прошла государственную регистрацию.
15 мая 2026 г.
Стартовал совместный спецпроект бренд-медиа Вышки IQ Media и iFORA ИСИЭЗ
В мае 2026 года стартовал научно-популярный проект «Искусственный интеллект: технологии, данные и будущее», который стал результатом работы двух команд — проекта iFORA Института статистических исследований и экономики знаний НИУ ВШЭ и редакции бренд-медиа IQMedia. Медийно-аналитический спецпроект посвящен современному развитию искусственного интеллекта и аналитике больших данных.
14 мая 2026 г.
<a>Ученые ФКН ВШЭ представили работы в сфере ИИ и биоинформатики на ICLR 2026
Ученые Института искусственного интеллекта и цифровых наук факультета компьютерных наук ВШЭи студенты трека «ИИ360: Инженерия искусственного интеллекта» бакалаврской программы «Прикладная математика и информатика» приняли участие в международной конференции ICLR — одном из самых авторитетных мировых форумов в области машинного обучения и представления данных. В этом году конференция состоялась в Рио-де-Жанейро (Бразилия).

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации
  • Книги
  • Статьи
  • Главы в книгах
  • Препринты
  • Верификация публикаций
  • Расширенный поиск
  • Правила использования материалов
  • Наука в ВШЭ

?

Распознавание кашля с помощью анализа спектрограмм

С. 230–234.
Двойникова А. А.

В работе рассматривается метод автоматического распознавания кашля с использованием анализа спектрограмм и сверточной нейронной сети. Описывается методика сбора базы данных, содержащей экстралингвистические события, такие как кашель и другие звуковые события, и ее описание. Проводятся экспериментальные исследования с различными методами аугментации изображений спектрограмм, такие как угол сдвига, изменение масштаба, сдвиг по ширине, изменение яркости и горизонтальный поворот.

Язык: русский
Полный текст
Ключевые слова: сверточная нейронная сетьспектрограммааугментация изображений спектрограммраспознавание кашляэкстралингвистические события

В книге

Альманах научных работ молодых ученых Университета ИТМО
Т. 2. , Университет ИТМО, 2022.
Похожие публикации
Распознавание вовлеченности собеседников с помощью анализа мел-спектрограмм
Двойникова А. А., В кн.: Сборник трудов XI Конгресса молодых учёныхТ. 2.: Университет ИТМО, 2022.
В работе разрабатывается система для автоматического распознавания вовлеченности собеседников по речи дикторов. В качестве аудиальных признаков используются мел- спектрограммы, которые потом подаются на вход сверточной нейронной сети. Для экспериментальных исследований извлекались как узкополосные мел-спектрограммы, так и широкополосные, отличающие шириной полос (разрешающей способностью). Обучение и тестирование системы проходило на данных корпуса RECOLA, который включал в себя ...
Добавлено: 25 апреля 2026 г.
Face Recognition from Video using Deep Learning
Manna S., Ghildiyal S., Бхимани К. Р., IEEE Access 2020 Article 1
Распознавание лиц (FR) и верификация — это неизмеримая технология для борьбы с любой преступной деятельностью в настоящее время. С замечательными приложениями, от идентификации преступников, безопасности и наблюдения до развлекательных сайтов. Эта система (распознавание лиц) исключительно полезна в банках, аэровокзалах и различных ассоциациях для проверки клиентов. В глубоком обучении сверточные нейронные сети (CNN) привлекли внимание к ...
Добавлено: 14 октября 2022 г.
Sequential analysis in Fourier probabilistic neural networks
Савченко А. В., Белова Н. С., Expert Systems with Applications 2022 Vol. 207 Article 117885
Добавлено: 29 июня 2022 г.
Вычислительно эффективные алгоритмы классификации изображений на основе последовательного анализа
Савченко А. В., Записки научных семинаров ПОМИ РАН 2021 Т. 499 С. 267–283
В статье рассматриваются быстрые алгоритмы распознавания изображений, основанные на статистическом последовательном анализе. Исследованы метода с последовательной обработкой главных компонент векторов признаков изображений, а также с ранним остановом при прямом проходе в сверточной нейронной сети. Особое внимание уделено последовательному обучению нейросетевых моделей для одновременной классификации нескольких атрибутов (пол, возраст, раса) по фотографии лица. Подчеркнуто, что такие ...
Добавлено: 27 января 2021 г.
Sequential Analysis with Specified Confidence Level and Adaptive Convolutional Neural Networks in Image Recognition
Савченко А. В., , in: Proceedings of International Joint Conference on Neural Networks 2020 (IJCNN 2020).: Piscataway: IEEE, 2020. P. 1–8.
Добавлено: 15 октября 2020 г.
Neural networks in video-based age and gender recognition on mobile platforms
A.S. Kharchevnikova, Савченко А. В., Optical Memory and Neural Networks (Information Optics) 2018 Vol. 27 No. 4 P. 246–259
В работе рассмотрена задача одновременного распознавания пола и возраста по видео лиц на основе сверточных нейронных сетей в расчете на эффективную реализацию на мобильных платформах. Исследованы способы агрегации решений, полученных для обработки каждого видео кадра, в том числе применение комитета классификаторов на основе теории Демпстера-Шафера. Предложен новый способ предсказания возраста в виде оценки математического ожидания ...
Добавлено: 5 ноября 2018 г.
Unconstrained face identification using maximum likelihood of distances between deep off-the-shelf features
Савченко А. В., Белова Н. С., Expert Systems with Applications 2018 Vol. 108 P. 170–182
The paper deals with unconstrained face recognition task for the small sample size problem based on computation of distances between high-dimensional off-the-shelf features extracted by deep convolution neural network. We present the novel statistical recognition method, which maximizes the likelihood (joint probabilistic density) of the distances to all reference images from the gallery set. This ...
Добавлено: 17 мая 2018 г.
Повышение качества классификации компьютерных атак сверточной нейронной сетью посредством балансировки обучающей выборки
Пантюхин Д. В., Карелова Е. -., Информационные технологии 2018 Т. 24 № 6 С. 406–413
Рассматривается подход к балансированию обучающей выборки при решении задачи классификации компьютерных атак сверточной нейронной сетью. Проведено сравнение, на одной и той же структуре нейронной сети, качества классификации без и с использованием балансировки обучающей выборки. Проведен вычислительный эксперимент, показавший эффективность использования балансировки в случае, когда число данных разных классов в исходной выборке существенно различается. ...
Добавлено: 14 апреля 2018 г.
  • О ВЫШКЕ
  • Цифры и факты
  • Руководство и структура
  • Устойчивое развитие в НИУ ВШЭ
  • Преподаватели и сотрудники
  • Корпуса и общежития
  • Закупки
  • Обращения граждан в НИУ ВШЭ
  • Фонд целевого капитала
  • Противодействие коррупции
  • Сведения о доходах, расходах, об имуществе и обязательствах имущественного характера
  • Сведения об образовательной организации
  • Людям с ограниченными возможностями здоровья
  • Единая платежная страница
  • Работа в Вышке
  • ОБРАЗОВАНИЕ
  • Лицей
  • Довузовская подготовка
  • Олимпиады
  • Прием в бакалавриат
  • Вышка+
  • Прием в магистратуру
  • Аспирантура
  • Дополнительное образование
  • Центр развития карьеры
  • Бизнес-инкубатор ВШЭ
  • Образовательные партнерства
  • Обратная связь и взаимодействие с получателями услуг
  • НАУКА
  • Научные подразделения
  • Исследовательские проекты
  • Мониторинги
  • Диссертационные советы
  • Защиты диссертаций
  • Академическое развитие
  • Конкурсы и гранты
  • Внешние научно-информационные ресурсы
  • РЕСУРСЫ
  • Библиотека
  • Издательский дом ВШЭ
  • Книжный магазин «БукВышка»
  • Типография
  • Медиацентр
  • Журналы ВШЭ
  • Публикации
  • http://www.minobrnauki.gov.ru/
    Министерство науки и высшего образования РФ
  • https://edu.gov.ru/
    Министерство просвещения РФ
  • http://www.edu.ru
    Федеральный портал «Российское образование»
  • https://elearning.hse.ru/mooc
    Массовые открытые онлайн-курсы
  • НИУ ВШЭ1993–2026
  • Адреса и контакты
  • Условия использования материалов
  • Политика конфиденциальности
  • Правила применения рекомендательных технологий в НИУ ВШЭ
  • Карта сайта
Редактору