Разработан новый метод измерения частоты основного тона повышенной помехоустойчивости. Проблема защиты от интенсивного фонового шума решена в нем путем частотной селекции вокализованных отрезков речевого сигнала по схеме c гребенчатым фильтром межпериодного накопления. Эффективность метода исследована теоретически и экспериментально с использованием разработанного многоканального частотного измерителя для акустического анализа речи. Показано, что при отношении сигнал-шум 10 дБ и выше погрешность метода в относительном выражении не превышает 2%.
Исследован широкий класс параметрических оценок спектральной плотности мощности, основанных на принципе максимума энтропии и авторегрессионной модели наблюдений, при этом выделен их ключевой параметр – порядок используемой модели. Рассмотрена проблема априорной неопределенности, когда истинное значение порядка наблюдателю заранее не известно. С целью преодоления недостатков известных алгоритмов в условиях малых выборок наблюдений предложен новый критерий автоматического определения порядка по выборке конечного объема. В основу предложенного критерия положен принцип гарантированного уровня значимости в задаче проверки сложных статистических гипотез. В отличие от критериев AIC, BIC и других он не связан с определением погрешности измерений, поскольку оперирует исключительно понятием "уровень значимости" формируемого решения. Исследование эффективности предложенного критерия проведено одновременно по двум направлениям: теоретическом и экспериментальном. Рассмотрен пример его применения в задаче спектрального анализа речевых сигналов. Даны рекомендации по его практическому использованию в системах цифровой обработки сигналов.
Любое знание должно быть представлено в виде формализованных структур для использования его в вычислениях. Существующие нейросетевые архитектуры работают только с тензорами: векторами, матрицами и т.д. Данная работа посвящена построению нейросетевого кодировщика для представления рекурсивной структуры в виде многомерного тензора, таким образом связывая символические вычисления и нейросетевую парадигму.
Исследован фонетический подход для систем обработки голосовой информации. Разработан метод автоматического распознавания речевых сигналов, в котором каждому квазистационарному сегменту ставится в соответствие нечеткое множество фонем. Предложено использовать операцию вероятностной треугольной нормы для нечетких множеств, соответствующих входному фрейму и ближайшей к нему эталонной фонемы. Экспериментально показано, что разработанный метод позволяет на 1.5…5% снизить вероятность ошибочного распознавания по сравнению с известными аналогами.
Исследуется задача определения интересов пользователей для рекомендательных систем на основе набора фотографий заказанных или просмотренных ранее товаров. Исследованы нейросетевые методы агрегации векторов признаков изображений, извлеченных с помощью глубоких нейронных сетей. Предложен новый двухэтапный алгоритм, в котором на первом этапе происходит дообучение сверточной нейронной сети, а на втором этапе при помощи последовательного применения методов агрегации neural aggregation network и context gating вычисляется взвешенная сумма векторов признаков всех изображений товаров, ассоциированных с одним пользователем. Экспериментальное исследование для набора данных Amazon Products показало, что F1-мера предложенного подхода оказывается более чем на 20% выше F1-меры традиционного усреднения векторов признаков.
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.
Данная работа посвящена исследованию интенции пользователя в социальной сети. Для этого используется оригинальный набор данных, где собраны диалоги пользователей из социальной сети и каждое сообщение соотнесено к одниму из 25 типов интенций. Рассмотрены современные методы машинного обучения, которые позволяют анализировать элементы последовательности и предсказывать следующие. На выбранном наборе данных проведен вычислительный эксперимент по предсказанию следующей интенции пользователя в ходе дискурса. Оценена точность работы каждого алгоритма.