В настоящее время активно развиваются системы, обеспечивающие естественное взаимодействие между человеком и машиной. Одной из актуальных задач является определение языка пользователя. В данной статье рассматривается задача определения языка (Language Identification - LID) на основе речевых сигналов, области её применения, существующие проблемы и современные подходы. Проведен сравнительный анализ классических методов машинного обучения (GMM, SVM, i-vector) и подходов, основанных на глубоких нейронных сетях (CNN, RNN, Transformer). Также описаны основные метрики оценки эффективности систем: Accuracy, Precision, Fl-score и Equal Error Rate (EER). Рассмотрены передовые подходы к решению сложных случаев, таких как переключение языков (code-switching) и открытые наборы языков (open-set LID), а также обсуждены практические перспективы для малоизученных языков, включая узбекский. Результаты исследования могут служить теоретической и практической основой для разработки многоязычных интерактивных голосовых систем.

Данная исследовательская работа посвящена проблеме классификации патологий на снимках компьютерной томо!рафии почек с использованием глубоких нейронных сетей, которая анализирует не только бинарную классификацию типа «норма/патология», но и сложные вопросы дифференциальной диагностики между патологиями. В работе также предложен комбинаторный подход к классификации патологий, в котором показано, что первоначально постановка общего диагноза с использованием четырехфакторной модели классификации, а в сомнительных случаях дополнительное обследование с использованием бинарных или тернарных моделей, приемлемо для клинической практики.