文章的正确链接:
Трофимова В.С., Каршиева П.К., Рахманенко И.А..
Метод трансферного обучения для дообучения нейронных сетей под особенности набора данных в задаче верификации диктора
// 软件系统和计算方法.
2024. № 3.
和。 26-36.
DOI: 10.7256/2454-0714.2024.3.71630 EDN: XHZCTS URL: https://cn.nbpublish.com/library_read_article.php?id=71630
注释,注释:
该研究的主题是使用转移学习方法对数据集特征进行再训练的神经网络。 研究的对象是用于解决语音验证任务的机器学习方法。 该研究的目的是提高神经网络在语音验证任务中的效率。 本文以英文、俄文和中文为再培训过程准备了三个数据集。 此外，使用现代和预先训练的ResNetSE34L和ResNetSE34V2模型，进行了一项实验研究，旨在提高神经网络在通过任意短语验证说话者的任务中的效率。 特别注意使用微调方法优化神经网络的训练参数。 该研究的方法包括根据第1类和第2类相等误差的值，对说话者验证任务中数据集特征的再训练神经网络的有效性进行评估。 还进行了一些实验，在此期间改变了参数并使用了冻结层的技术。 通过选择epochs和学习速度实现了使用英语数据集时第1种和第2种相等误差的最大减少，误差减少了50％。 使用俄罗斯数据集的类似参数选择将误差减少了63.64％。 当使用中文数据集进行再训练时，在冻结完全连接的图层，改变学习率和优化器的实验中实现了最低值–误差减少了16.04％。 所获得的结果可用于语音验证系统的设计和开发以及用于教育目的。 还得出结论，转移学习方法在针对数据集的特征进一步训练神经网络方面是有效的，因为在压倒性的实验中，实现了EER的降低，这表明说话者识别的准确
关键词:
转职培训, 微调, 数据集, 演讲者验证, 说话人识别, 特征提取, 语音处理, 神经网络, 深入学习, 模式识别
文章的正确链接:
Куракин П.В., Малинецкий Г.Г., Митин Н.А..
Перспективы разработки аналогов пакета SIMULINK
// 软件系统和计算方法.
2018. № 4.
和。 27-38.
DOI: 10.7256/2454-0714.2018.4.27078 URL: https://cn.nbpublish.com/library_read_article.php?id=27078
注释,注释:
文章的研究对象是开发学术环境资源的必要性和可能性，即在非商业基础上，专门的图形编辑器，为各种类型的应用数学问题的副本的视觉设计提供环 考虑了市场上可用的软件产品及其扩展，大致对应于指定的任务。 它显示了这些工具不适合那些应用的任务或作者之前必须与之打交道的客户的原因。 该研究方法基于将市场上可用的软件工具的功能及其扩展以及作者的储备与作者强调的那些应用任务进行比较。 所进行的研究和得出的结论的新颖性在于将视觉设计和自动生成计算代码的任务分开的建议，就像在现有产品中所做的那样。 将计算代码的创建转移到与政府客户合作的应用数学家是有意义的，但与此同时在客户和数学家之间组织有效的分工。 有了这个视角，图形编辑器的任务就被简化了。 另一方面，这样的编辑器可以变得更加灵活。
关键词:
图形编辑器, 数学计算, 网页浏览器, 视觉设计, 用户界面, 数学图, MATLAB的, [医]Simulink, JavaScript的, JSON格式
文章的正确链接:
Урванов Г.А., Даньшин В.В., Дюмин А.А., Чепин Е.В..
Система взаимодействия с человеком, как агентом мобильного робототехнического комплекса
// 软件系统和计算方法.
2015. № 1.
和。 45-51.
DOI: 10.7256/2454-0714.2015.1.66219 URL: https://cn.nbpublish.com/library_read_article.php?id=66219
注释,注释:
本文讨论了一个人作为表演者的机器人综合体的控制系统。 与此同时，人类表演者和机器人表演者是异质复合体的平等代理。 与此同时，假设异构复合体的代理，无论其特征如何，都有一个共同的目标，并且能够在任务执行期间调整其动作。 描述了异质复合物内相互作用的结构。 提供了关于作为移动机器人综合体的代理人与人交互的实施系统的信息。 描述了异构机器人复合体中人机交互的结构. 在这种情况下，异构复合物被认为是多代理系统。 作者在文章中描述的方法的新颖性是将一个人视为与智能机器人相提并论的多代理系统的平等代理。 与人交互系统的原型，如机器人复合体的代理人，是由MEPhI国家研究大学机器人学院实验室开发和测试的。 目前，正在进行提高交互质量和统一交互系统的工作。
关键词:
管理系统, 机器人技术, 多代理系统, 人机交互, 语音信息, 异构系统, 移动机器人, 智能系统, 机器人复合体, 语音识别
文章的正确链接:
Денисенко В.А., Ксалов А.М., Гошокова Ф.М..
Методика разбора агглютинативных языков для естественно-языкового интерфейса в мультиагентных системах и системах основанных на знаниях
// 软件系统和计算方法.
2013. № 3.
和。 225-229.
DOI: 10.7256/2454-0714.2013.3.63827 URL: https://cn.nbpublish.com/library_read_article.php?id=63827
注释,注释:
人工智能的主要任务之一是使人机通信更容易，特别是提供用自然语言进行交流的机会。 这一目标的实现是创建自然语言界面-感知文本自然语言消息并将其翻译成某种形式语言的程序，或者根据接收到的消息执行某些操作[1]。 为了让系统理解文本的含义，它必须解析句子的每个单词以及句子中这些单词的比例。 乍一看，解析凝集语言中的单词似乎是一项相当困难的任务，因为这种语言的特点是丰富的构词和词缀。 然而，凝集语言中的词缀只表达一种含义，这导致在表达不同的语法含义时串起词缀。 词缀的另一个特点是它们可以从不同的侧面邻接基部。 此外，凝集语言通常缺乏各种类型的变格和共轭[2]。 凝集语言之一是巴什基尔语言，为此创建了一个自动分析巴什基尔形态Bashmorph的程序。 该程序能够确定输入的单词的含义，以及以哪个人的形式（数字，案例，情绪等）。）它站立。 在这样一个程序的基础上，可以构建频率词典，自动翻译器，搜索引擎等等[3]。 技术进步带来了新的挑战，引入了新的术语并改变了人类环境。 所有这些变化反映了语言，这是人与人之间的沟通手段，并在未来–一个人有车。 为凝集语言创建自然语言界面是保存和进一步发展这些语言的一项重要任务。
关键词:
解析器, 语法, 分析, 凝集语言, 多代理系统, 自然语言界面, 解释者, 代理, 人机交互, 通讯系统
文章的正确链接:
В.В. Килеев.
Компоненты архитектуры компьютерной системы верификации орфографии финно-угорских языков
// 软件系统和计算方法.
2012. № 1.
和。 37-42.
DOI: 10.7256/2454-0714.2012.1.61561 URL: https://cn.nbpublish.com/library_read_article.php?id=61561
注释,注释:
这项工作的目的是考虑用于验证Finno-Ugric语言拼写的开发系统的体系结构。 开发的系统的体系结构分为功能块。 给出了每个功能块的详细描述。 下图显示了系统中功能块的关系。 本文还讨论了已开发系统相对于现有系统的主要优点，并提供了已开发系统的使用图。
关键词:
软件, 拼写验证, 拼写检查, 计算语言学, 自然语言处理, 系统架构, 芬兰-乌戈尔语, 拼写检查器, 功能块, 语言成分。
Cn
© 1998 – 2024 Nota Bene. Publishing Technologies. NB-Media Ltd.
