Ақпараттық-коммуникациялық және химиялық технология

Том 4 № 29 (2025) / 2025-12-30 / Көрілім саны: 204

СИПАТТАМАЛЫҚ СПЕКТРОГРАММАЛАР МЕН НЕЙРОНДЫҚ ЖЕЛІ НЕГІЗІНДЕ СӨЙЛЕУШІНІ ТАНУ

Авторлар

Қазақ ұлттық қыздар педагогикалық университеті
https://orcid.org/0000-0002-9117-4369
Әл-Фараби ат. Қазақ ұлттық университеті
https://orcid.org/0000-0002-6491-8043
Әл-Фараби ат. Қазақ ұлттық университеті
https://orcid.org/0000-0002-1993-9566
Қазақ ұлттық қыздар педагогикалық университеті
https://orcid.org/0009-0005-1642-9834

Кілтті сөздер

сөйлеуді тану, алгоритм, MFCC, спектограмма, MLP, AC-SOM

DOI сілтемесі:

https://doi.org/10.58805/kazutb.v.4.29-1115

Қалай дәйексөз келтіруге болады

Мекебаев , Н., et al. «СИПАТТАМАЛЫҚ СПЕКТРОГРАММАЛАР МЕН НЕЙРОНДЫҚ ЖЕЛІ НЕГІЗІНДЕ СӨЙЛЕУШІНІ ТАНУ». ҚазТБУ хабаршысы, вип. 4, вип. 29, Грудень 2025, doi:10.58805/kazutb.v.4.29-1115.

Аңдатпа

Сөйлеушінің айтылу сипаттамаларын алу үшін нейрондық желіге негізделген әдіс ұсынылады, ол қысқа мерзімді спектрограммалардың сызықтық суперпозициясынан сөйлеушінің айтылуының тұрақты көрінісін беру үшін сипаттамалық спектрограммаға қол жеткізу үшін арнайы программа статистикасын пайдаланады. Дәстүрлі SOM (AC-SOM) нейрондық желісіне негізделген ресурстармен шектелген құрылғылардағы динамиктерді тану жүйелері үшін желіні баяу оқыту және тану жылдамдығы мәселесін шешу үшін адаптивті кластерлік өзін-өзі ұйымдастыратын мүмкіндіктер картасы SOM (AC-SOM) алгоритмі ұсынылады. Бұл алгоритм кластерлер саны динамиктер санына сәйкес келгенше танылатын динамиктер санына қарай бәсекелестік деңгейіндегі нейрондар санын автоматты түрде реттейді. Ұсынылған AC-SOM моделіне спектрограммалардың сипаттамалық үлгілерінің 100 сөйлеушінің дерекқоры құрастырылды және қолданылды, бұл максималды оқу уақытын небәрі 304 секундқа, ал үлгіні танудың максималды уақытын 28 мс-ден аз уақытқа қамтамасыз етті. Басқа тәсілдермен салыстырғанда, ұсынылған әдіс тым жоғары тану дәлдігін жоғалтпай, айтарлықтай жақсартылған оқыту мен тану жылдамдығын қамтамасыз етеді. Перспективалы нәтижелер ұсынылған әдіс сөйлеушіні танудың басқа әдістеріне қарағанда edge intelligence жүйелері үшін нақты уақыттағы деректерді өңдеу және орындау талаптарын жақсырақ қанағаттандыратынын көрсетеді.