Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 477168)
Консорциум Контекстум Информационная технология сбора цифрового контента
Речевые технологии

Речевые технологии №1-2 2015 (200,00 руб.)

0   0
Страниц77
ID325983
АннотацияМеждисциплинарный научно-практический журнал. Задача издания — держать в курсе событий в области стремительно развивающихся речевых технологий в России и за рубежом. Круг интересов журнала включает распознавание и синтез речи, кодирование-декодирование речевого сигнала, технологии лингвистических и экстралингвистических (семантика и прагматика) уровней, биологию и биометрию речи, цифровую обработку сигналов, шумоподавление, речевые базы, аппаратные решения, обучение речевым процессам, а также реализацию конкретных систем и программно-аппаратных комплексов.
Речевые технологии .— : Издательский дом "Народное образование" .— 2015 .— №1-2 .— 77 с.

Предпросмотр (выдержки из произведения)

Н., кандидат технических наук (Украина) Sazhok M., Robeiko V. Modeling of language distinctive features for Ukrainian real-time speech recognition system . 3 Фёдоров Е. <...> Поиск ближайшего соседа с вычислением расстояния по взвешенной эвклидовой метрике в задачах сжатия речевых сигналов .47 Кудинов М. <...> О некоторых математических методах распознавания речи . 63 Редакция: Редактор – Татьяна Ермоленко Ответственный секретарь – Дмитрий Кушнир Корректор – Татьяна Денисьева Дизайн – Анна Ладанюк Вёрстка – Александр Барабанов 2 © Народное образование, 2015 РЕЧЕВЫЕ ТЕХНОЛОГИИ / SPEECH TECHNOLOGY 1-2/2015 Modeling of language distinctive features for Ukrainian real-time speech recognition system Mykola Sazhok,Valentyna Robeiko The presented research is focused on features that are specific for most Slavonic languages and for Ukrainian particularly. <...> The formulated criterion that validates a substring sequence is based on a set of words with manually pointed stresses and a large text corpus. <...> These features motivate transition from word- to class-based statistical language model. <...> Spontaneous speech recognition experiments confirmed efficiency of the stressed phoneme introduction and performance comparability of both class and word n-gram language models. <...> We also describe several tools developed to visualize HMMs, to predict word stress, and to manage equivalence class-based language modeling. spontaneous speech recognition • real-time • stress prediction • word equivalence classes • language models Представленное исследование сосредоточено на специфических особенностях большинства славянских языков вообще и украинского в частности. <...> РЕЧЕВЫЕ ТЕХНОЛОГИИ / SPEECH TECHNOLOGY 1-2/2015 3 Mykola Sazhok, Valentyna Robeiko Modeling of language distinctive features for Ukrainian real-time speech recognition system распознавание спонтанной речи • реальное время • предсказание ударений • классы эквивалентности слов • лингвистические модели INTRODUCTION Specific features of Slavonic languages are observable on different levels of speech pattern hierarchy. <...> More generic features of Slavonic languages are high inflectiveness and relatively free word order, which leads to rapid growth of the recognition vocabulary (8-10 times larger than in English for the same domain) and weakening of the language model prediction force <...>
Речевые_технологии_№1_2015.pdf
1-2/2015 Главный редактор Харламов А.А., доктор технических наук Состав редколлегии: Потапова Р.К., доктор филологических наук, профессор, заместитель главного редактора Ронжин А.Л., доктор технических наук, доцент Женило В.Р., доктор технических наук, профессор Жигулёвцев Ю.Н., кандидат технических наук, доцент Кривнова О.Ф., доктор филологических наук, профессор Кушнир А.М., кандидат психологических наук Лобанов Б.М., доктор технических наук (Беларусь) Максимов Е.М., доктор технических наук Голенков В.В., доктор технических наук, профессор (Беларусь) Петровский А.А., доктор технических наук, профессор (Беларусь) Хитров М.В., кандидат технических наук Чучупал В.Я., кандидат физико-математических наук Шелепов В.Ю., доктор физико-математических наук (Украина) Кушнир Д.А., кандидат технических наук, ответственный секретарь Сулейманов Д.Ш., академик Академии наук РТ, д.т.н., профессор Карпов А.А., доктор технических наук, доцент Сажок Н.Н., кандидат технических наук (Украина) Sazhok M., Robeiko V. Modeling of language distinctive features for Ukrainian real-time speech recognition system .......................................................................... 3 Фёдоров Е.Е. Разработка нейронечеткого метода распознавания гласных звуков .......15 Карпов О.Н., Глушак К.Н. Алгоритм формирования параметрического представления для оценки функционального состояния и индивидуальности человека по его речи .............................................................................................. 24
Стр.2
Содержание Широков В.А., Лучик А.А., Остапова И.В., Яблочков Н.М. Исследование функционирования эквивалентов слова в тексте на материале Украинского национального лингвистического корпуса ............................................ 30 Крак Ю.В., Тернов А.С. Чтение по губам в жестовой ðå÷è: синтез и анализ ...................................................37 Ткаченко А. Н., Грийо Тукало О.Ф. Поиск ближайшего соседа с вычислением расстояния по взвешенной эвклидовой метрике в задачах сжатия речевых сигналов ........................................47 Кудинов М.С. Использование рекурентных нейронных сетей для ранжирования списка гипотез в системах распознавания речи ........................................................ 56 Ермилов А.В. О некоторых математических методах распознавания речи ..................................... 63 Редакция: Редактор – Татьяна Ермоленко Ответственный секретарь – Дмитрий Кушнир Корректор – Татьяна Денисьева Дизайн – Анна Ладанюк Вёрстка – Александр Барабанов 2 © Народное образование, 2015 РЕЧЕВЫЕ ТЕХНОЛОГИИ / SPEECH TECHNOLOGY 1-2/2015
Стр.3