В данной статье анализируются возможности технологий искусственного интеллекта в оцифровке, систематизации и анализе научно-исторического наследия. На примере архивных материалов физико-технического института рассмотрены методология и программные средства цифровой платформы, созданные на основе практического опыта. Анализируются такие направления, как оцифровка архивных документов с использованием технологий OCR, семантический анализ, автоматическая классификация и построение графиков научных знаний.
В данной статье рассматриваются современные алгоритмы, применяемые для интеллектуального анализа речевых сигналов, а также их научно-практическое значение. Развитие технологий искусственного интеллекта и машинного обучения расширяет возможности автоматической обработки речевых сигналов, извлечения признаков и распознавания. В исследовании анализируются процессы моделирования на основе таких передовых методов, как MFCC, CNN и RNN. Также рассматриваются алгоритмы, применяемые для преобразования речи в текст, идентификации говорящего и понимания контекста. Полученные результаты могут быть использованы в интеллектуальных голосовых интерфейсах, системах безопасности и лингвистических приложениях.
Данное исследование посвящено анализу существующих систем обнаружения эмоций человека по речевым сигналам, в основном изучая системы с открытым и закрытым исходным кодом, сравнивая их принципы работы, технические характеристики, возможности и области применения. В работе также демонстрируются эксплуатационные характеристики и уровни точности систем распознавания речевых сигналов на разных языках.
В данной статье предлагается модель, основанная на глубоком обучении, для извлечения ключевых объектов из текстов и создания базы знаний. Для задачи распознавания именованных сущностей (Named Entity Recognition, NER) используется модель долгой краткосрочной памяти (Long Short-Term Memory, LSTM). Данные предварительно обрабатываются, преобразуются в цифровую форму с помощью токенизации и one-hot кодирования. Модель обучается и оценивается для выделения различных типов объектов (имена людей, даты, географические названия). Экспериментальные результаты демонстрируют эффективность модели, а также анализируется влияние различных параметров.
В данной статье проанализированы методы сбора данных отпечатков ладони в области биометрической идентификации человека. В основном рассматриваются два типа методов сбора - офлайн и онлайн, с сравнением их преимуществ и недостатков. В офлайн-методе описана техника сбора данных на основе изображений с чернилами, а в онлайн-методе рассматриваются архитектура устройств, работающих в реальном времени, пользовательский интерфейс и требования к оптической системе.
В статье исследована эффективность ансамблевых алгоритмов на основе принципов частичной прсцедентности при классификации стадий рака. Механизм взвешенного принятия решений на основе линейной свертки показал высокие результаты при классификации типов рака (С 16, С17, С18, С44, С50, С00). Разработан метод на основе манхэттенского расстояния и пороговых значений, результаты сравнены с классическими алгоритмами. Предложенный ансамблевый алгоритм повышает точность классификации до 94,7-96,2%, что на 3-10% выше результатов существующих алгоритмов.
Статья посвящено решению проблемы выбора прсцидентных объектов, являющейся важным аспектом мульти кластеризации в процессах распознавания и классификации образов. Предложен новый алгоритм выбора прецидентных объектов с учетом пространства номинальных и числовых признаков. Этот алгоритм обеспечивает точную, устойчивую и прозрачную классификацию данных, повышая эффективность принятия аналитических решений, особенно в процессах медицинской диагностики.
В данной статье рассматривается роль речевых сигналов в системах идентификации личности, а также процессы выделения их характеристик и формирования параметров. Биометрическая уникальность речевого сигнала основана на неповторимых фонетических и акустических особенностях речи каждого человека.
