Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
300
Bu yerda,
𝑓(𝑥, 𝑦) −
oyoqning 2D zichlik funksiyasi(masalan, suyak zichligi),
𝜃 −
proyeksiya
burchagi,
𝑠 −
detektordagi koordinatasi.
Inson oyog‘i rentgen tasvirlariga dastlabki ishlov berish – bu tasvirni keyingi tahlilga
tayyorlash bosqichidir[3]. Bu bosqichda tasvir sifati yaxshilanadi, shovqin kamaytiriladi, kontrast
oshiriladi va keraksiz elementlar olib tashlanadi. Dastlabki ishlov berish aniqlikni oshirish va
keyingi bosqichlardagi ya’ni segmentatsiya, klassifikatsiya xatoliklarini kamaytirishga xizmat
qiladi. Rentgen tasvirlarda turli xil shovqinlar (masalan, Gauss shovqini) bo‘ladi. Buni filtrlar
yordamida kamaytirish mumkin. Oyoq rentgen tasvirlari ko‘pincha past kontrastga ega bo‘ladi.
Kontrastni oshirish orqali suyak va yumshoq to‘qimalar aniqroq ko‘rinadi[4]. Suyaklarning
konturlarini aniqlashda chegaralarni aniqlash usullari ishlatiladi. Tasvirni qora-oq formatga
o‘tkazib, muhim sohalarni ajratishda esa binarizatsiya usuli ishlatiladi.
Adabiyotlar рўйхати
[1] S. Myint, A. S. Khaing and H. M. Tun, “Detecting Leg Bone Fracture in X-ray Images”,
International Journal of Scientific & Research, vol. 5, Jun. 2016, pp. 140-144.
[2] V. D. Vegi, S. L. Patibandla, S. S. Kavikondala and Z. Basha, “Computerized Fracture
Detection System using X-ray Images”, International Journal of Control Theory and Applications,
vol. 9, Nov. 2016, pp. 615-621.
[3] S. K. Mahendran and S. Santhosh, “An Enhanced Tibia Fracture Detection Tool Using
Image Processing and Classification Fusion Techniques in X-Ray Images”, Global Journal Of
Computer Science and Technology, vol. 11, Aug. 2011, pp. 27-28.
[4] S. K. Mahendran and S. Santhosh Baboo, “Ensemble Systems for Automatic Fracture
Detection”, International Journal of Engineering and Technology (JACSIT), vol. 4, Feb. 2012,
pp.7-10.
NUTQ SIGNALLARI ASOSIDA TILNI ANIQLASHNING ZAMONAVIY
YONDASHUVLARI
Shukurov Kamoliddin Elbobo o‘g‘li
Muhammad al-Xorazmiy nomidagi TATU, “Sun’iy intellekt” kafedrasi dotsenti, PhD
Xasanov Umidjon Komiljon o‘g‘li
Muhammad al-Xorazmiy nomidagi TATU, “Sun’iy intellekt” kafedrasi assistenti
Rahmonova Mohidil Egamberdiyevna
Ichki ishlar vazirligi akademiyasi “Kriminalistik ekspertizalar” kafedrasi
Annotatsiya:
Hozirgi kunda inson va mashina o‘rtasidagi tabiiy muloqotni ta’minlovchi
tizimlar keng rivojlanmoqda. Ular orasida foydalanuvchining tilini aniqlash masalasi alohida
dolzarb ahamiyat kasb etmoqda. Ushbu maqolada nutq signallari asosida tilni aniqlash (Language
Identification – LID) masalasi, uning qo‘llanilish sohalari, muammolari va zamonaviy
yondashuvlari tahlil qilinadi. Tilni aniqlash tizimlarida klassik mashinali o‘rganish (GMM, SVM,
i-vector) hamda chuqur neyron tarmoqlarga (CNN, RNN, Transformer) asoslangan yondashuvlar
solishtiriladi. Code-switching va Open-set LID kabi murakkab holatlar uchun ishlatilayotgan
ilg‘or yondashuvlar ko‘rib chiqilib, o‘zbek tili kabi kam o‘rganilgan tillar uchun amaliy istiqbollar
muhokama qilinadi. Maqola natijalari ko‘p tilli interaktiv ovozli tizimlarni yaratishda muhim
nazariy va amaliy asos bo‘lib xizmat qiladi.
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
301
Kalit so‘zlar:
nutq signallari, tilni aniqlash, ko‘p tillilik, akustik xususiyatlar, MFCC, i-
vector, x-vector, mashinali o‘qitish, chuqur neyron tarmoqlar, transformer, code-switching,
O‘zbek tili, avtomatik til aniqlash.
MODERN APPROACHES TO LANGUAGE IDENTIFICATION FROM SPEECH
SIGNALS
Abstract:
Nowadays, systems ensuring natural interaction between humans and machines
are rapidly evolving. Among them, the task of identifying the user’s language holds particular
importance. This article analyzes the problem of language identification (LID) based on speech
signals, its application areas, challenges, and modern approaches. It compares traditional machine
learning methods (GMM, SVM, i-vector) with deep neural network-based approaches (CNN,
RNN, Transformer) for language recognition. Additionally, the paper discusses key evaluation
metrics such as Accuracy, Precision, F1-score, and Equal Error Rate (EER) for assessing system
performance. Advanced methods for handling complex scenarios like code-switching and open-
set LID are reviewed, with a focus on practical perspectives for under-resourced languages like
Uzbek. The results of the study provide a solid theoretical and practical foundation for developing
multilingual interactive voice systems.
Keywords:
speech signals, language identification, multilinguality, acoustic features,
MFCC, i-vector, x-vector, machine learning, deep neural networks, transformer, code-switching,
Uzbek language, automatic language detection.
СОВРЕМЕННЫЕ ПОДХОДЫ К ОПРЕДЕЛЕНИЮ ЯЗЫКА НА ОСНОВЕ
РЕЧЕВЫХ СИГНАЛОВ
Аннотация:
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, F1-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.
Ключевые слова:
речевые сигналы, определение языка, многоязычие, акустические
признаки, MFCC, i-vector, x-vector, машинное обучение, глубокие нейронные сети,
трансформер, переключение языка, узбекский язык, автоматическое определение языка
Kirish.
Hozirgi kunda inson va mashina o‘rtasidagi tabiiy muloqotni ta’minlovchi
texnologiyalar jadal rivojlanmoqda. Jumladan nutq orqali boshqariladigan tizimlar, avtomatik
tarjima xizmatlari, so‘zlovchilarni tanib olish tizimlar, nutq orqali intellektual boshqaruv tizimlari
va boshqalar[1,2,3]. Ushbu tizimlarning samaradorligini oshirish uchun ular foydalanuvchi tilini
to‘g‘ri va tez aniqlash olishi kerak. Bu esa nutq signallari asosida tilni aniqlash (
ing: Language
Identification - LID
) jarayonlarining dolzarb vazifa bo‘lib qolmoqda. Bu jarayon ko‘p tilli
foydalanuvchilar auditoriyasiga ega tizimlar uchun nihoyatda muhim[6,7]
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
302
Nutq orqali tilni aniqlash - berilgan nutq signalining qaysi tabiiy tilga mansubligini
aniqlashdir. Ushbu jarayon audio segmentlar asosida amalga oshiriladi va bu orqali tizim
foydalanuvchining gapirayotgan tili haqida qaror qabul qiladi. Tilni aniqlash masalasi nutq
segmentida bir nechta til aralashib ketgan hollarda yanada murakkablashadi, bu esa LID
tizimlaridan segment darajasida aniqlikni talab qiladi[6]. Bundan tashqari so‘zlovchilarni ajratish
(
ing: Speaker Diarization
) orqali so‘zlovchilarning gaplari alohida ajratib har bir so‘zlovchining
qaysi tilde nima deganini aniqlash imkoniyati mavjud. Ayniqsa xalqaro konferensiya,
anjumanlarda bunday tizimlardan foydalanish yaxshi samara beradi(1-rasm).
1-qism. Ko‘p tilli tanib olish tizimlari umumiy sxemasi.
Tilni aniqlash bu berilgan nutq segmentining qaysi tabiiy tilga mansubligini aniqlash
vazifasidir. Ushbu vazifa
nutqdan akustik, fonetik va prosodik belgilar
ni ajratib olish va sun’iy
intellekt algoritmlari bilan tanib olishga asoslanadi. Har bir nutq segmentlari ma’lum bir tilga
tegishli bo‘ladi yoki bir segment bir nechta tilni qamrab olgan bo‘lishi ham mumkin. Bu jarayon
kod-switching holatlari deyiladi. Bu esa tizim holatini yanada murakkablashtiradi.
Tilni aniqlash tizimlari mavjud tillar bazasiga qarab asosan ikki xil yondashuvlar asosida
ishlaydi. Birinchisi oldindan belgilangan tillar ro‘yhatidan foydalanuvchi tilni aniqlash (Closed-
set LID) tizim ma’lum tillar oralig‘ida tanlov qiladi va boshqa noma’lum tillar mavjud emas deb
hisoblanadi. Bu yondashuv ko‘plab sanoat tizimlarida qo‘llaniladi, chunki u soddaligi va
boshqarilishi osonligi bilan ajralib turadi. Ikkinchisi noma’lum tillarni ham aniqlashga qaratilgan
(Open-set LID) bu tizim noma’lum tillarni ham aniqlashga harakat qiladigan holatdir. Ya’ni, agar
kiruvchi nutq signali oldindan o‘rgatilgan tillarga mos kelmasa, tizim bu signalni “noma’lum”
sifatida belgilay oladi[7].
Tilni aniqlash tizimlarining samaradorligi asosan ikki omilga bog‘liq: nutq signallaridan
ajratib olinadigan xususiyatlar va aniqlashni amalga oshiradigan model. Tilni tanib olish
masalalarida nutq signalidan tilga xos ma’lumotlarni ajratib olish uchun bir nechta akustik va
fonetik xususiyatlar ishlatiladi. Eng keng tarqalgan xususiyatlar MFCC, PLP, prosodik
xususiyatlar, i-vector va x-vector.
Tanib olish uchun esa an’anaviy mashinali o‘qitish algoritmlaridan yoki zamonaviy chuqur
o‘qitishga asoslangan yondashuvlardan foydalaniladi. Tanib olish uchun GMM-UMB, SVM,
Tasodifiy o‘rmon sinflashtirish algoritmlaridan yoki CNN, RNN va transformer arxitekturali
modellardan foydalaniladi[4-7].
So‘zlovchini
ajratish
So‘zlovchilarni
aniqlash
Nutqni matnga
aylantirish
Tilni aniqlash
Umid : salom
John : hello
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
303
2-rasm. Mashinali o‘qitish yondashuvlari asosida tilni tanib olish
Chuqur o‘qitishga asoslangan yondashuvlar orqali tizim samaradorligini yanada oshirish
va tezkorlikni ta’minlash mumkin. Jumladan RNN, transformer arxitekturalari tezlik va aniqlik
jihatidan yaxshi natijalar beradi.
3-rasm. Neyron tarmoqlar asosida tilni tanib olish
Tilni aniqlash tizimlarining samaradorliklarini baholash uchun bir nechta statistik o‘lchov
usullaridan foydalaniladi. Jumladan aniqlik (
ing: accuracy
), aniqlik ko‘rsatkichlari (
ing:
precision
), F1-ko‘rsatkichi (
ing: F1-score
) va boshqalar. Hozirgi kunda ishlaydiga ASR
tizimlarida yopiq to‘plamli tilni aniqlash modellaridan foydalaniladi. Bu modelning
samaradorligini baholashga yordam beradi[2-5].
Nutq signallari asosida ko‘p tillilikni aniqlash masalasi zamonaviy ovozli tizimlar uchun
muhim tarkibiy qism hisoblanadi. yuqorida klassik statistik yondashuvlardan va chuqur neyron
tarmoqlarga asoslangan usullar ko‘rib chiqildi. Baholash mezonlari yordamida modellar
samaradorligi tahlil qilinadi va ayniqsa fonetik jihatdan o‘xshash tillar o‘rtasida yuzaga keladigan
chalkashliklarga e’tibor qaratiladi.
Klassik usullar, xususan GMM va i-vector asosidagi yondashuvlar, soddaligi va izchilligi
bilan ajralib turadi. Shu bilan birga, chuqur o‘rganish asosidagi modellar (CNN, LSTM,
Transformer va boshqalar) hozirgi kunda yuqori aniqlikka erishishda ustunlikka ega bo‘lib, real
vaqtli tizimlar uchun ham samarador yechimlar taqdim etmoqda.
Umuman olganda, nutq asosida tilni aniqlash sohasi sun’iy intellekt va tabiiy tilni qayta
ishlash yo‘nalishida muhim o‘rin tutadi. O‘zbek tili va boshqa kam o‘rganilgan tillar uchun
samarali va yengil modellarni yaratish, bu sohaning rivojlanishiga bevosita ta’sir ko‘rsatadi.
Adabiyotlar ro‘yxati
1.
Musaev, M., Rakhmatullaev, M., Normatov, S., Shukurov, K., Abdullaeva, M. Integrated
Intelligent System for Scientific and Educational Information Retrieval. Vide. Tehnologija.
Resursi - Environment, Technology, Resources, 2024, 2, страницы 212–219
2.
K. Shukurov, T. Boburkhon and U. Khasanov, "Implementation of speech processing
Dastlabki ishlov
berish
Xususiyatlarni
ajratish
Vektorlar orqali
ifodalash
Klassifikatsiya
(GMM, SVM,
LR, DT)
Natijani chiqarish
Dastlabki ishlov
berish
Xususiyatlar
Embedding olish
Klassifikatsiya
qatlamlari
Natijalarni
aniqlash
Современные проблемы интеллектуальных систем. Республиканская научно-практическая конференция. Джизак, 18-19 апреля 2025 г.
304
algorithms based on Singular Value Decomposition and Hidden Markov Model," 2021
International Conference on Information Science and Communications Technologies (ICISCT),
Tashkent, Uzbekistan, 2021, pp. 01-03, doi: 10.1109/ICISCT52966.2021.9670357.
3.
Musaev, M., Abdullaeva, M., Ochilov, M. Advanced Feature Extraction Method for
Speaker Identification Using a Classification Algorithm. AIP Conference Proceedings, 2022,
2656, 020022
4.
S. Kamoliddin Elbobo ugli, K. Shokhrukhmirzo Imomali ugli and K. Umidjon Komiljon
ugli, "Uzbek speech commands recognition and implementation based on HMM," 2020 IEEE 14th
International Conference on Application of Information and Communication Technologies
(AICT), Tashkent, Uzbekistan, 2020, pp. 1-6, doi: 10.1109/AICT50176.2020.9368591.
5.
K. Shukurov, U. Berdanov, U. Khasanov, S. Kholdorov and B. Turaev, "The role of
adaptive filters in the recognition of speech commands," 2021 International Conference on
Information Science and Communications Technologies (ICISCT), Tashkent, Uzbekistan, 2021,
pp. 1-4, doi: 10.1109/ICISCT52966.2021.9670084.
6.
J. Tang, X. Chen and W. Liu, "Efficient Language Identification for All-Language
Internet News," 2021 International Conference on Asian Language Processing (IALP), Singapore,
Singapore, 2021, pp. 165-169, doi: 10.1109/IALP54817.2021.9675270.
7.
L. Sun, "Language Identification with Unsupervised Phoneme-like Sequence and TDNN-
LSTM-RNN," 2020 15th IEEE International Conference on Signal Processing (ICSP), Beijing,
China, 2020, pp. 341-345, doi: 10.1109/ICSP48669.2020.9320919.
8.
J. K. Van Dam and V. Zaytsev, "Software Language Identification with Natural Language
Classifiers," 2016 IEEE 23rd International Conference on Software Analysis, Evolution, and
Reengineering (SANER), Osaka, Japan, 2016, pp. 624-628, doi: 10.1109/SANER.2016.92.
NUTQ SIGNALLARINI INTELLEKTUAL TAHLIL QILISH ALGORITMLARI
TAHLILI
Abdirazakov Faxriddin Bekpulatovich
Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti,
Kompyuter tizimlari kafedrasi, doktoranti
faxriddinabdirazzoqov@gmail.com
Nasirov Sulton Uali o‘g‘li
Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti, ATDT
kafedrasi, doktoranti
Husanov Urolboy Abdumannon o‘g‘li
Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti,
Kompyuter tizimlari kafedrasi, o‘qituvchisi
Annotatsiya:
Ushbu maqolada nutq signallarini intellektual tahlil qilishda qo‘llaniladigan
zamonaviy algoritmlar va ularning ilmiy-amaliy ahamiyati ko‘rib chiqiladi. Sun’iy intellekt va
mashinali o‘rganish texnologiyalarining rivojlanishi natijasida nutq signalini avtomatik qayta
ishlash, xususiyatlarini ajratib olish va tanib olish imkoniyatlari kengaymoqda. Tadqiqotda
MFCC, CNN va RNN kabi ilg‘or metodlar asosida modellashtirish jarayonlari tahlil qilinadi.
Nutqni matnga aylantirish, gapiruvchini identifikatsiyalash hamda kontekstni tushunish kabi
