Search Results - "МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ"

1

Academic Journal

Эффективность применения различных спектральных признаков для классификации эмоций с помощью сверточной нейронной сети

Subject Terms: спектральный контраст, искусственный интеллект, мел-частотные кепстральные коэффициенты, нейросетевой классификатор, хромограмма, классификация эмоций, artificial intelligence, машинное обучение, transformer architecture, архитектура трансформеров, emotion classification, русскоязычные данные, fine spectrogram, spectral contrast, chromogram, machine learning, мел-спектрограмма, neural network classifier, fine-frequency cepstral coefficients, self-learning, самообучение, Russian-language data

2

Academic Journal

An Approach to Assessing the Security of Speech Acoustic Information Using Neural Networks ; Подход к оценке защищенности речевой акустической информации с применением нейронных сетей

Authors: N. A. Volkov, A. V. Ivanov, Н. А. Волков, А. В. Иванов

Source: The Herald of the Siberian State University of Telecommunications and Information Science; Том 18, № 2 (2024); 43-56 ; Вестник СибГУТИ; Том 18, № 2 (2024); 43-56 ; 1998-6920

Subject Terms: оценка защищенности речевой акустической информации, convolutional neural networks, signal-to-noise ratio, audio recording noise, speech recognition, spectrograms, mel-frequency cepstral coefficients, assessment of the security of speech acoustic information, сверточные нейронные сети, отношение сигнал/шум, зашумленность аудиозаписи, распознавание речи, спектрограммы, мел-частотные кепстральные коэффициенты

File Description: application/pdf

Relation: https://vestnik.sibsutis.ru/jour/article/view/859/758; https://vestnik.sibsutis.ru/jour/article/downloadSuppFile/859/39; Сагдеев К. М., Петренко В. И. Методика оценки технической защищенности речевой информации в выделенных помещениях // Известия ЮФУ. Технические науки. 2012. № 12 (137). С. 121–129.; Железняк В. К., Макаров Ю. К., Хорев А. А. Некоторые методические подходы к оценке эффективности защиты речевой информации // Специальная техника. 2000. № 4. C. 39–45.; Покровский Н. Б. Расчет и измерение разборчивости речи. М.: Связьиздат, 1962. 392 с.; Трушин В. А., Рева И. Л., Иванов А. В. Экспериментальная оценка разборчивости речи в задачах защиты информации на основе модифицированных артикуляционных измерений // Материалы X-й Междунар. конф. «Актуальные проблемы электронного приборостроения», НГТУ, Новосибирск, 2010. Т. 3. C. 133–136.; Иванов А. В., Рева И. Л., Трушин В. А., Тудэвдагва У. Корректировка методики оценки защищенности речевой информации от утечки по техническим каналам в условиях форсирования речи // Научный вестник Новосибирского государственного технического университета. 2014. № 2 (55). С. 183–189.; Макаров Ю. К., Хорев А. А. К оценке эффективности защиты акустической (речевой) информации // Специальная техника. 2000. № 5. С. 46–56.; Иванов А. В., Салимов Ш. Р. О возможности применения технологий распознавания речи в задачах оценки защищенности акустической информации от утечки по техническим каналам // Динамика систем, механизмов и машин. 2020. Т. 8, № 2. С. 109–114.; Жабыко Е. И., Рублевская Н. И. Акустическое проектирование залов многоцелевого назначения: учебное пособие. Владивосток: Издательство ДВГТУ, 2008. 89 с.; Хорев А. А., Порев И. С. Методика вероятностной оценки разборчивости // Защита информации. Инсайд. 2020. № 2 (92). С. 44–52.; Трушин В. А., Заводовская А. И., Овешников И. А., Топорищев Э. В. Исследование воздействия речеподобной помехи на психоэмоциональное состояние человека // Динамика систем, механизмов и машин. 2020. Т. 8, № 2. С. 138–144.; Иванов А. В., Рева И. Л., Шемшетдинова Э. Э. Исследование влияния различий в спектрах речи на результат оценки разборчивости // Динамика систем, механизмов и машин. 2017. Т. 5, № 4. С. 65–70.; Adobe Audition. Профессиональная студия звукозаписи [Электронный ресурс]. URL: https://www.adobe.com/ru/products/audition.html (дата обращения: 10.09.2023).; PyAudio 0.2.13 – Python Package Index [Электронный ресурс]. URL: https://pypi.org/project/PyAudio/ (дата обращения: 10.09.2023).; Librosa 0.10 – Librosa - audio and music processing in Python [Электронный ресурс]. URL: https://librosa.org/doc/latest/index.html (дата обращения: 10.09.2023).; Giannakopoulos T. PyAudioAnalysis: An open-source python library for audio signal analysis // PLoS ONE. 2015. № 10 (12). P. 1–17.; Bélanger O. Pyo, the python DSP toolbox // Proc. ACM Multimedia Conference, 2016. P. 1214–1217.; Умняшкин С. В. Основы теории цифровой обработки сигналов: учебное пособие. М.: Техносфера, 2016. 528 с.; Tyagi V., Wellekens C. On desensitizing the Mel-cepstrum to spurious spectral components for robust speech recognition // Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing, 2005. P. 1–21.; Герасимов С. М., Жаринов О. О. Исследование методов анализа речевых сигналов // Сборник докладов 73-й Международной студенческой научной конференции ГУАП, 2020. Ч. 3. С. 36–41.; NumPy documentation [Электронный ресурс]. URL: https://numpy.org/doc/stable/ (дата обращения: 10.09.2023).; Matplotlib 3.7.2 documentation [Электронный ресурс]. URL: https://matplotlib.org/stable/tutorials/index.html (дата обращения: 10.09.2023).; Li J., Deng L., Haeb-Umbach R., Gong Y. Robust automatic speech recognition. A bridge to practical applications, 2016. 286 p.; Fang Z., Yin B., Du Z. et al. Fast environmental sound classification based on resource adaptive convolutional neural network // Scientific Reports. 2022. № 12. P. 1–18.; Madhu A., Kumaraswamy S. EnvGAN: a GAN-based augmentation to improve environmental sound classification // Artificial Intelligence Review. 2022. № 55. P. 6301–6320.; Kim B., Kim J., Ye J. C. Task-Agnostic Vision Transformer for Distributed Learning of Image Processing // Transactions on Image Processing. 2023. № 32. P. 203–218.; Ullah R., Asif M., Shah W. A., Anjam F., Ullah I., Khurshaid T., Wuttisittikulkij L., Shah S., Ali S. M., Alibakhshikenari M. Speech Emotion Recognition Using Convolution Neural Networks and Multi-Head Convolutional Transformer // Sensors. 2023. № 13. P. 1–20.; Porkodi S. P., Sarada V., Maik V. et al. Generic image application using GANs (Generative Adversarial Networks): A Review // Evolving Systems. 2023. № 14. P. 903–917.; Song Q., Sun B., Li S. Multimodal Sparse Transformer Network for Audio-Visual Speech Recognition // IEEE Transactions on Neural Networks and Learning Systems. 2023. V. 34, № 12. P. 10028–10038.; Vision Transformer: What It Is & How It Works (2023 Guide) [Электронный ресурс]. URL: https://www.v7labs.com/blog/vision-transformer-guide/ (дата обращения: 13.12.2023).; Tay Y., Dehghani M., Gupta J., Bahri D., Aribandi V., Qin Z., Metzler D. Are Pre-trained Convolutions Better than Pre-trained Transformers? 2022. arXiv: 2105.03322 [cs.CL].; Sanford C., Hsu D., Telgarsky M. Representational Strengths and Limitations of Transformers. 2023. arXiv:2306.02896 [cs.LG].; Abdel-Hamid O., Mohamed A.-R., Jiang H., Penn G. Applying convolutional neural networks concepts to hybrid NN-HMM model for speech recognition // Proc. IEEE Int. Conf. Acoust., Speech Signal Process. (ICASSP), 2012. P. 4277–4280.; Сикорский О. С. Обзор свёрточных нейронных сетей для задачи классификации изображений // Новые информационные технологии в автоматизированных системах. 2017. № 20. С. 1–8.; Ciretan D. C., Giusti A., Gambardella L. M., Schmidhuber J. Deep neural networks segment neuronal membranes in electron microscopy images // Proc. NIPS. 2012. P. 1–9.; Ciretan D. C., Meier U., Gambardella L. M., Schmidhuber J. Deep, Big, Simple Neural Nets for Handwritten Digit Recognition // MIT Press. 2010. V. 22, № 12. P. 3207–3220.; Что такое свёрточная нейронная сеть – Хабр [Электронный ресурс]. URL: https://habr.com/ru/articles/309508/ (дата обращения: 10.09.2023).; Трушин В. А. Информационно-измерительная модель формантного метода определения разборчивости речи // Труды Научно-исследовательского института радио. 2017. № 4. С. 2–9.; https://vestnik.sibsutis.ru/jour/article/view/859

Availability: https://vestnik.sibsutis.ru/jour/article/view/859
https://doi.org/10.55648/1998-6920-2024-18-2-43-56

View record from BASE

3

Academic Journal

Акустический анализ речи лиц с дисфонией ; Acoustical Analysis of the Speech of Persons With Dysfonia

Authors: Горошко, С. М., Петров, С. Н.

Subject Terms: Выявление патологии речи, Распознавание речи, Дисфония, Мел-частотные кепстральные коэффициенты, Дискретное преобразование Фурье, Евклидово расстояние, Detection of speech pathology, Speech recognition, Dysphonia, Mel-frequency cepstral coefficients, Discrete Fourier transform, Euclidean distance

Relation: Веснік Полацкага дзяржаўнага ўніверсітэта. Серыя C, Фундаментальныя навукі; Herald of Polotsk State University. Series C, Fundamental sciences; Вестник Полоцкого государственного университета. Серия C, Фундаментальные науки; Серия C, Фундаментальные науки;2019. - № 4; https://elib.psu.by/handle/123456789/23770; 004.934.2

Availability: https://elib.psu.by/handle/123456789/23770

View record from BASE

4

Academic Journal

VOICE CONTROL COMMAND RECOGNITION SYSTEM OF UAV BASED ON STEGANOGRAPHIC-CEPSTRAL ANALYSIS ; Система распознавания голосовых команд управления БПЛА на основе стеганографически-кепстральном анализе ; Система розпізнавання голосових команд керування БПЛА на основі стеганографічно-кепстрального аналізу

Authors: Lavrynenko, O. Yu., Kocherhin, Y. A., Konakhovych, G. F.

Source: Electronics and Control Systems; Vol. 2 No. 56 (2018); 11-17 ; Электроника и системы управления; Том 2 № 56 (2018); 11-17 ; Електроніка та системи управління; Том 2 № 56 (2018); 11-17 ; 1990-5548

Subject Terms: Classification of the object, semantic identification of the voice commands, Unmanned Aerial Vehicles, voice recognition, mel-frequency cepstral coefficients, UDC 621.391(045), Классификация объекта, семантическая идентификация голосовых команд, беспилотный летательный аппарат, распознавание речи, мел-частотные кепстральные коэффициенты, УДК 621.391(045), Класифікація об'єкта, семантична ідентифікація голосових команд, безпілотний літальний апарат, розпізнавання мови, мел-частотні кепстральних коефіцієнти

File Description: application/pdf

Relation: https://jrnl.nau.edu.ua/index.php/ESU/article/view/12928/17788; https://jrnl.nau.edu.ua/index.php/ESU/article/view/12928

Availability: https://jrnl.nau.edu.ua/index.php/ESU/article/view/12928
https://doi.org/10.18372/1990-5548.56.12928

View record from BASE

5

Academic Journal

ONLINE-ПРОГРАММА АУТЕНТИФИКАЦИИ, ОСНОВАННАЯ НА ОКОННОМ ПРЕОБРАЗОВАНИИ ФУРЬЕ РЕЧЕВЫХ ФРАЗ ПОЛЬЗОВАТЕЛЯ

Authors: ЩЕРБАНЬ И.В., ДОБРОХОДСКИЙ В.В., ЕФИМЕНКО А.А.

Subject Terms: БИОМЕТРИЧЕСКИЕ СРЕДСТВА АУТЕНТИФИКАЦИИ,ПРЕОБРАЗОВАНИЕ ФУРЬЕ,СПЕКТРАЛЬНЫЕ ХАРАКТЕРИСТИКИ ГОЛОСА ПОЛЬЗОВАТЕЛЯ,МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ,ПРОГРАММНАЯ СРЕДА LABVIEW NATIONAL INSTRUMENTS

File Description: text/html

Availability: http://cyberleninka.ru/article/n/online-programma-autentifikatsii-osnovannaya-na-okonnom-preobrazovanii-furie-rechevyh-fraz-polzovatelya
http://cyberleninka.ru/article_covers/16790928.png

View record from BASE

6

Academic Journal

Method of Increasing the Audio Fragment Search Speed using kd-trees ; Метод повышения скорости поиска фрагмента аудиозаписи с использованием kd-деревьев ; Метод підвищення швидкості пошуку фрагменту аудіо запису із застосуванням kd-дерев

Authors: Ткаченко, Олександр Миколайович, Грійо Тукало, Оксана Франсисківна

Source: Information Technology and Computer Engineering; Vol. 31 No. 3 (2014): Information Technology and Computer Engineering ; Інформаційні технології та комп'ютерна інженерія; Том 31 № 3 (2014): Інформаційні технології та комп'ютерна інженерія ; 2078-6387 ; 1999-9941

Subject Terms: quicksearch, kd-tree, Euclideandistance, audiofragmentidentification, parameterization, mel-frequencycepstralcoefficients, clusteranalysis, быстрый поиск, kd-дерево, Евклидовое расстояние, идентификация по фрагменту аудиозаписи, параметризация, мел-частотные кепстральные коэффициенты, кластерный анализ, швидкий пошук, Евклідова відстань, ідентифікація за фрагментом аудіозапису, параметризація, мел-частотнікепстральні коефіцієнти, кластерний аналіз

File Description: application/pdf

Relation: https://itce.vntu.edu.ua/index.php/itce/article/view/165/173; https://itce.vntu.edu.ua/index.php/itce/article/view/165

Availability: https://itce.vntu.edu.ua/index.php/itce/article/view/165

View record from BASE

7

Academic Journal

АНАЛИЗ МЕТОДА МЕЛ-ЧАСТОТНЫХ КЕПСТРАЛЬНЫХ КОЭФФИЦИЕНТОВ ПРИМЕНИТЕЛЬНО К ПРОЦЕДУРЕ ГОЛОСОВОЙ АУТЕНТИФИКАЦИИ

Authors: ИВАНОВ И.И.

Subject Terms: МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ,СКРЫТЫЕ МАРКОВСКИЕ МОДЕЛИ,«МАШИНА ОПОРНЫХ ВЕКТОРОВ»,ПОРОГОВАЯ ФУНКЦИЯ ОБНАРУЖЕНИЯ ГОЛОСОВОЙ АКТИВНОСТИ,ГОЛОСОВАЯ ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ,MFCC,MEL-FREQUIENCY CEPSTRAL COEFFICIENTS,HIDDEN MARKOV MODEL,НММ,SUPPORT VECTOR MACHINE,SVM,VAD-FUNCTION,VOICE ACTIVATION DETECTION,SPEAKER RECOGNITION,FREQUENCY DISTRIBUTION

File Description: text/html

Availability: http://cyberleninka.ru/article/n/analiz-metoda-mel-chastotnyh-kepstralnyh-koeffitsientov-primenitelno-k-protsedure-golosovoy-autentifikatsii
http://cyberleninka.ru/article_covers/16028466.png

View record from BASE

8

Academic Journal

Метод підвищення швидкості пошуку фрагменту аудіозапису із застосуванням kd–дерев ; Метод повышения скорости поиска фрагмента аудиозаписи с использованием kd-деревьев ; Method of Increasing the Audio Fragment Search Speed using kd-trees

Authors: Ткаченко, О. М., Грійо Тукало, О. Ф., Ткаченко, А. Н., Грийо Тукало, О. Ф., Tkachenko, A. N., Griyo Tukalo, O. F.

Subject Terms: швидкий пошук, kd-дерево, Евклідова відстань, пошук за фрагментом аудіозапису, параметризація, мел-частотні кепстральні коефіцієнти, кластерний аналіз, быстрый поиск, Евклидовое расстояние, идентификация по фрагменту аудиозаписи, параметризация, мел-частотные кепстральные коэффициенты, кластерный анализ, quick search, kd-tree, Euclidean distance, audio fragment search, parameterization, mel-frequency cepstral coefficients, cluster analysis

File Description: application/pdf

Relation: Ткаченко О. М. Метод підвищення швидкості пошуку фрагменту аудіозапису із застосуванням kd–дерев [Текст] / О. М. Ткаченко, О. Ф. Грійо Тукало // Інформаційні технології та комп’ютерна інженерія. – № 3. – 2014. – С. 57–66.; http://ir.lib.vntu.edu.ua/handle/123456789/2435; 621.39

Availability: http://ir.lib.vntu.edu.ua/handle/123456789/2435

View record from BASE

9

Academic Journal

Підхід до оцінювання тривалості фрагмента для пошуку музичного твору за заданим шаблоном ; Подход к оценке продолжительности фрагмента для поиска музыкального произведения за заданным шаблоном ; Aproach to the evaluation of the fragment duration for searching the music composition by the set pattern

Authors: Ткаченко, О. М., Грійо-Тукало, О. Ф.

Subject Terms: ідентифікація за фрагментом аудіо запису, параметризація, мел-частотні кепстральні коефіцієнти, кластер-ний аналіз, Евклідова відстань, идентификация по фрагменту аудио записи, параметризация, мел-частотные кепстральные коэффициенты, кластерный анализ, Евклидовое расстояние, audio identification by fragment, parameterization, cluster analysis, Euclidean distance, mel-frequency cepstral coefficients

File Description: application/pdf

Relation: http://ir.lib.vntu.edu.ua/handle/123456789/2221; 621.39

Availability: http://ir.lib.vntu.edu.ua/handle/123456789/2221

View record from BASE

10

Academic Journal

Комбинация сети PNN и метода DTW для идентификации зарезервированных слов, используемых в авиации при радиопереговорах

Authors: Ларин, Виталий Юрьевич, Федоров, Евгений Евгеньевич

Source: Izvestiya Vysshikh Uchebnykh Zavedenii. Radioelektronika; Vol. 57 No. 8 (2014); 35-43 ; Известия высших учебных заведений. Радиоэлектроника; Том 57 № 8 (2014); 35-43 ; Вісті вищих учбових закладів. Радіоелектроніка; Том 57 № 8 (2014); 35-43 ; 2307-6011 ; 0021-3470

Subject Terms: вероятностная нейронная сеть, мел-частотные кепстральные коэффициенты, дискретное вейвлет преобразование, вероятность, идентификация, авиация, управление воздушным движением

File Description: application/pdf

Relation: https://radio.kpi.ua/article/view/S0021347014080044/23767; https://radio.kpi.ua/article/view/S0021347014080044

Availability: https://radio.kpi.ua/article/view/S0021347014080044
https://doi.org/10.20535/S0021347014080044

View record from BASE

11

Academic Journal

ИССЛЕДОВАНИЕ КАНАЛОНЕЗАВИСИМЫХ ИНФОРМАТИВНЫХ ПРИЗНАКОВ

Authors: КИСЕЛЁВ ВИТАЛИЙ ВЛАДИМИРОВИЧ, ТКАЧЕНЯ АНДРЕЙ ВЛАДИМИРОВИЧ, ХИТРОВ МИХАИЛ ВАСИЛЬЕВИЧ

Subject Terms: ГОЛОСОВОЙ АНАЛИЗ,SPEECH ANALYSIS,МАШИННОЕ ОБУЧЕНИЕ,MACHINE LEARNING,ВЫБОР ИНФОРМАТИВНЫХ ПРИЗНАКОВ,FEATURE SELECTION,МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ,MEL-FREQUENCY CEPSTRAL COEFFICIENTS,МЕТОД ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ,DYNAMIC TIME WARPING

File Description: text/html

Availability: http://cyberleninka.ru/article/n/issledovanie-kanalonezavisimyh-informativnyh-priznakov
http://cyberleninka.ru/article_covers/16469529.png

View record from BASE

12

Academic Journal

ПРИМЕНЕНИЕ РАСПРЕДЕЛЕНИЙ МЕЛ-ЧАСТОТНЫХ КЕПСТРАЛЬНЫХ КОЭФФИЦИЕНТОВ ДЛЯ ГОЛОСОВОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ

Authors: Заковряшин, Алексей, Малинин, Петр, Лепендин, Андрей

Subject Terms: ГОЛОСОВАЯ ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ, ВЕКТОР ПРИЗНАКОВ, МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ, РАСПРЕДЕЛЕНИЕ ЧАСТОТ

File Description: text/html

Availability: http://cyberleninka.ru/article/n/primenenie-raspredeleniy-mel-chastotnyh-kepstralnyh-koeffitsientov-dlya-golosovoy-identifikatsii-lichnosti
http://cyberleninka.ru/article_covers/15637473.png

View record from BASE

13

Academic Journal

НЕЙРОСЕТЕВОЕ РАСПОЗНАВАНИЕ МУЗЫКАЛЬНЫХ ИНСТРУМЕНТОВ С ИСПОЛЬЗОВАНИЕМ МЕЛ‑ЧАСТОТНЫХ КЕПСТРАЛЬНЫХ КОЭФФИЦИЕНТОВ

Authors: Станкевич, Ф., Спицын, В.

Subject Terms: РАСПОЗНАВАНИЕ ОБРАЗОВ, МУЗЫКАЛЬНЫЕ ИНСТРУМЕНТЫ, МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ, МЕТОД ГЛАВНЫХ КОМПОНЕНТ, НЕЙРОЭВОЛЮЦИЯ

File Description: text/html

Availability: http://cyberleninka.ru/article/n/neyrosetevoe-raspoznavanie-muzykalnyh-instrumentov-s-ispolzovaniem-mel-chastotnyh-kepstralnyh-koeffitsientov
http://cyberleninka.ru/article_covers/15678062.png

View record from BASE

14

Academic Journal

Online-программа аутентификации, основанная на оконном преобразовании Фурье речевых фраз пользователя

Source: Символ науки.

Subject Terms: БИОМЕТРИЧЕСКИЕ СРЕДСТВА АУТЕНТИФИКАЦИИ,ПРЕОБРАЗОВАНИЕ ФУРЬЕ,СПЕКТРАЛЬНЫЕ ХАРАКТЕРИСТИКИ ГОЛОСА ПОЛЬЗОВАТЕЛЯ,МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ,ПРОГРАММНАЯ СРЕДА LABVIEW NATIONAL INSTRUMENTS

File Description: text/html

Access URL: http://cyberleninka.ru/article/n/online-programma-autentifikatsii-osnovannaya-na-okonnom-preobrazovanii-furie-rechevyh-fraz-polzovatelya
http://cyberleninka.ru/article_covers/16790928.png

View record at OpenAIRE

15

Academic Journal

РЕШЕНИЕ ЗАДАЧИ РАСПОЗНАВАНИЯ РЕЧЕВЫХ КОМАНД

Authors: Нгуен, Чи

Subject Terms: МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ, РАСПОЗНАВАНИЕ РЕЧИ, ПОДСТРОЙКА ПОД ДИКТОРА

File Description: text/html

Availability: http://cyberleninka.ru/article/n/reshenie-zadachi-raspoznavaniya-rechevyh-komand
http://cyberleninka.ru/article_covers/15555000.png

View record from BASE

16

Academic Journal

РАЗРАБОТКА ДЕТЕРМИНИРОВАННОГО СТРУКТУРНОГО МЕТОДА РАСПОЗНАВАНИЯ СЛОВ КОМАНД ВОДИТЕЛЯ

Authors: Федоров, Е.

Subject Terms: ДЕТЕРМИНИРОВАННЫЙ КОНЕЧНЫЙ АВТОМАТ,РАСПОЗНАВАНИЕ СЛОВ КОМАНД,КОМПЬЮТЕРНАЯ СИСТЕМА,НЕРАСШИРЯЮЩИЕ РАВНОМЕРНО НЕПРЕРЫВНЫЕ ОТОБРАЖЕНИЯ,МЕЛ-ЧАСТОТНЫЕ КЕПСТРАЛЬНЫЕ КОЭФФИЦИЕНТЫ,ДЕТЕРМіНОВАНИЙ КіНЦЕВИЙ АВТОМАТ,РОЗПіЗНАВАННЯ СЛіВ КОМАНД,КОМП’ЮТЕРНА СИСТЕМА,НЕРОЗШИРЮВАЛЬНі РіВНОМіРНО БЕЗПЕРЕРВНі ВіДОБРАЖЕННЯ,МЕЛ-ЧАСТОТНі КЕПСТРАЛЬНі КОЕФіЦієНТИ,DETERMINED FINITE STATE MACHINE,COMMANDS WORDS RECOGNITION,COMPUTER SYSTEM,UNIFORMLY EXPANDING CONTINUOUS MAPPING,MEL-FREQUENCY CEPSTRAL COEFFICIENTS

File Description: text/html

Availability: http://cyberleninka.ru/article/n/razrabotka-determinirovannogo-strukturnogo-metoda-raspoznavaniya-slov-komand-voditelya
http://cyberleninka.ru/article_covers/14985859.png

View record from BASE

17

Academic Journal

Комбинация сети PNN и метода DTW для идентификации зарезервированных слов, используемых в авиации при радиопереговорах

Source: Izvestiya Vysshikh Uchebnykh Zavedenii. Radioelektronika; Том 57, № 8 (2014); 35-43
Известия высших учебных заведений. Радиоэлектроника; Том 57, № 8 (2014); 35-43

Subject Terms: вероятностная нейронная сеть, мел-частотные кепстральные коэффициенты, дискретное вейвлет преобразование, вероятность, идентификация, авиация, управление воздушным движением