<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Дослідження ефективності ознак розпізнавання мовців при використанні загортальних нейромереж

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Исследования эффективности признаков распознавания говорящих при использовании свертывающих нейросетей
Research efficiency features speakers recognition using neural networks coagulation

Анотація

У статті автори навели результати дослідження ефективності спектральних ознак для прийняття рішень автоматизованою системою розпізнавання мовців критичного застосування із згортальним нейромережевим класифікатором глибокого навчання, використання якого зумовило представлення інформативних ознак у графічному вигляді.
В статье авторы привели результаты исследования эффективности спектральных признаков для принятия решений автоматизированной системой распознавания дикторов критического применения с сверточным нейросетевым классификатором глубокого обучения, использование которого обусловило представление информативных признаков в графическом виде.
The study represents the results of the research of efficiency of the spectral features of speech signal for automated decision-making critical system for speaker recognition with convolutional neural network deep learning classifier, the use of which caused the submission of informative features in graphical view.

Опис

Тип документа

Мова

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Биков, М. М. Дослідження ефективності ознак розпізнавання мовців при використанні загортальних нейромереж [Текст] / М. М. Биков, В. В. Ковтун // Оптико-електронні інформаційно-енергетичні технології. – 2016. – № 2. – С. 22-28.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (11)

  1. Critical system — Wikipedia [Електронний ресурс] — Режим доступу : https://en.wikipedia.org/wiki/Critical_system.
  2. Биков М. М. Аналіз ефективності ідентифікації мовця за частотою основного тону / М. М. Биков, В. В. Ковтун. — Вісник Хмельницького національного університету. — 2004. — № 2. — Ч.1. — Т. 2 (60). — С. 20—23.
  3. Рабинер Л. Цифровая обработка речевых сигналов / Л. Рабинер, Р. Шафер. — М. : Радио и связь, 1981. — 496 с.
  4. Hermansky H. RASTA processing of speech / H. Hermansky, N. Morgan. — IEEE Trans. Speech and Audio Processing. — 1994. — 2, N 6. — P. 578—589.
  5. Hermansky H. Perceptual Linear Prediction (PLP) analysis of speech / H. Hermansky. — J. Acoust. Soc. America. — 1990. — 87. — P. 1738—1753.
  6. rasta-plp speech analysis — ICSI [Електронний ресурс] — Режим доступу : http://www.icsi.berkeley.edu/pubs/techreports/tr-91-069.pdf.
  7. Perceptual Linear Predictive (PLP) Analysis of Speech [Електронний ресурс] — Режим доступу : http://seed.ucsd.edu/mediawiki/images/5/5c/PLP.pdf
  8. CS231n: Convolutional Neural Networks for Visual Recognition [Електронний ресурс] — Режим доступу: http://cs231n.github.io/convolutional-networks/
  9. Caffe | Deep Learning Framework [Електронний ресурс] — Режим доступу: http://caffe.berkeleyvision.org/.
  10. An overview of gradient descent optimization algorithms [Електронний ресурс] — Режим доступу: http://sebastianruder.com/optimizing-gradient-descent/.