Побољшано издвајање параметара карактеристика из говорних сигнала коришћењем алгоритма машинског учења(2)

3.7. Скуп података Процеси прикупљања и генерисања скупова података изведени су на следећи начин. У овој студији, скуп података са 120 х звука је коришћен за обуку модела. Скуп података обухвата говорне аудио записе који се састоје од реченица са највише 15 речи укупне дужине од приближно 120 х.

Пустињски гинсенг

Поред тога, скуп података укључује велику количину различитог текста за употребу у развоју језичког модела. Прикупљено је преко 90.650 изговора, 415.780 речи и 65.810 јединствених речи које су биле укључене у корпус текста, што је резултирало око 120 х транскрибованих говорних података. Поделили смо скуп података на скупове за обуку, валидацију и тестове. Статистика скупа података

приказани су у табели 3.

Табела 3. Спецификације скупа података.

Поделили смо скуп података у три фасцикле које одговарају скуповима за обуку, валидацију и тестове. Сваки фолдер садржи аудио снимке и транскрипте. Називи аудио и одговарајућих датотека транскрипције су исти, осим што се аудио снимци чувају као ВАВ датотеке, док се транскрипције чувају као ТКСТ датотеке користећи УТФ-8 кодирање. Све транскрипције су представљене латиничним писмом које се састоји од 29 слова и симбола апострофа. Да бисмо спречили прекомерно прилагођавање, применили смо технике повећања података засноване на пертурбацији брзине и спектралном побољшању.

Цистанцхе десертицола

4. Предложени метод

Важан задатак за програмере при развоју система за препознавање говора је стварање оптималне методе за параметарско изражавање говорних сигнала [45]. Овај метод омогућава одлично раздвајање звукова и изговорених речи, истовремено осигуравајући да говорници буду неосетљиви на обрасце изговора и промене у акустичном окружењу. Већина грешака у препознавању речи је узрокована променом висине сигнала услед померања микрофона или разлике у висини изговора [46]. Други чест узрок грешака су случајне нелинеарне деформације облика спектра, које су увек присутне у говорном сигналу звучника [47,48]. Стога је један од најважнијих задатака у креирању ефективних система за препознавање говора избор репрезентације која је довољна за садржај анализираног сигнала као и неосетљива на гласове говорника и различита акустична окружења.

Цистанцхе додатак близу мене-Побољшање памћења

Систем који се користи за издвајање параметара карактеристика обично има следеће захтеве. Информациони садржај, односно скуп параметара обележја, мора да обезбеди поуздану идентификацију препознатљивих говорних елемената. Надаље, гласноћа, односно максимална компресија аудио сигнала, и нестатистичка корелација параметара морају бити минимизирани. Мора се постићи и независност од говорника, односно максимално уклањање информација које се односе на карактеристике говорника из вектора карактера. Коначно, мора се обезбедити хомогеност, која се односи на параметре који имају исту просечну варијансу и могућност коришћења једноставних метрика за одређивање афинитета између скупова знакова [49]. Међутим, није увек могуће задовољити све захтеве истовремено јер су ти захтеви контрадикторни. Параметарски опис говорних елемената треба да буде довољно детаљан да их поуздано разликује и треба да буде што је могуће лаконски.

Суперман хербс цистанцхе

У пракси, говорни сигнал који се прима са микрофона се дигитализује брзином узорковања од 8 до 22 кХз. Серијске нумеричке вредности се деле на говорне фрагменте (фрејмове) са трајањем од 10 до 30 мс, који одговарају квазистационарним деловима говора. Из сваког оквира се израчунава вектор карактеристика, који се касније користи на акустичком нивоу препознавања говора. Тренутно је доступан широк спектар метода за параметарско представљање сигнала заснованих на аутокорелационој анализи, хардверском линеарном филтрирању, спектралној анализи и ЛПЦ. Најчешћи приступ параметаризацији говора је спектрална анализа фрагмената сигнала и израчунавање њихових кепстралних коефицијената.

МФЦЦ су коришћени као информативне карактеристике за говорни сигнал [41]. Ове карактеристике се у великој мери користе у препознавању говора и заснивају се на два главна концепта: кепстралној и Мел скали. Главне предности алгоритма су висок ниво познавања и лакоће говора. МФЦЦ карактеристике су одвојене од снимљених говорних сигнала. МФЦЦ алгоритам користи резултате фонограма и алгоритама за пребацивање спектра. Класични алгоритам који се користи за израчунавање МФЦЦ-а приказан је на слици 5.

Слика 5. Класична шема за израчунавање МФЦЦ-а.

Ова студија представља брзи метод за издвајање параметара функције из говорног сигнала. Предложени алгоритам за брзо израчунавање МФЦЦ-а приказан је на слици 6.

Слика 6. Предложени оквир за израчунавање МФЦЦ-а.

Разматрамо секвенцу извршења предложеног алгоритма за брзо издвајање параметара функције из говорног сигнала

4.1. Подела на оквире

Након прелиминарног филтрирања, говорни сигнал се дели на оквире од 16 мс. Сваки оквир (осим првог) садржи последњих 10 мс претходног оквира. Овај процес се наставља до краја сигнала. У овој студији, пошто је брзина узорковања говорног сигнала 16 кХз, дужина оквира је Н=256, а дужина офсета М=160. Преклапање је 62,5 одсто дужине оквира. Генерално се препоручује покривеност од 50 до 75 процената дужине оквира.

4.2. Ханингов прозор и смањење вредности

Коришћен је Ханнингов прозор величине 1Д. Ханингов прозор се назива и подигнути косинусни прозор. Ханингов прозор се може замислити као збир фреквентног спектра три правоугаона временска прозора. Може да користи бочне режњеве да поништи једни друге, елиминишући високофреквентне сметње и цурење енергије. Ханнинг прозори су веома корисне функције прозора.

Цистанцхе додатак близу мене-Побољшање памћења

Кликните овде да видите производе који побољшавају памћење и спречавају Алцхајмерову болест

【Затражите више】 Е-пошта:cindy.xue@wecistanche.com / Вхатс Апп: 0086 18599088692 / Вецхат: 18599088692

Кутија за тежину се користи за смањење изобличења и изглађивање појединачних оквира. Плутајући сигнал који се испитује у овој студији састоји се од густог тона. Магнитуда равног тона је одређена величином чистог тона на фреквенцији ф, који се филтрира кроз Ханингов прозор.

Критични аспект овог прозора је да поставља границе оквира на нулу. У овом случају, кратке енергије се могу израчунати приликом проласка кроз прозор, а могу се пренети из низа који се користи за израчунавање енергија најниже амплитуде. Циљ је да се уклоне нискоенергетски сигнали из сигнала израчунавањем енергије сигнала док се сигнал из овог прозора углађује. Овај процес захтева следећу једначину енергије сигнала:

где је Ен енергија фрагмента улазног сигнала, а ки је вредност сигнала.

Поред обраде прозора помоћу (11), сигнал се обрађује у следећем кораку, чиме се значајно смањује број вредности које улазе у процесор. На слици 7 приказан је алгоритам за паралелну обраду.

Величина прозора представља број узорака и трајање. То је главни параметар анализе. Величина прозора зависи од основне фреквенције, интензитета и промена у сигналу.

Слика 7. Алгоритам Ханнинговог прозора за уклањање тихих делова. 4.3. Прекидачи краткотрајне Фуријеове трансформације (СТФТ) Постоји интуитивно разумевање значења високе или ниске висине. СТФТ је Фуријеова трансформација која се користи за одређивање синусоидне фреквенције и садржаја фазе локалних делова сигнала како се мења током времена. У пракси, СТФТ израчунавање укључује поделу дужег временског сигнала на краће сегменте једнаке дужине, праћено посебним прорачуном Фуријеове трансформације на сваком краћем сегменту. Ово открива Фуријеов спектар сваког краћег сегмента. Сигнали дискретног времена су користи у пракси. Одговарајућа временско-фреквентна конверзија је дискретна Фуријеова конверзија, која описује дужину сигнала Ксн као репрезентативну домену фреквенције комплексне вредности Н коефицијената. СТФТ, који описује еволуцију фреквенцијских компоненти током времена, један је од најчешће коришћених алата за анализу и обраду говора [50]. Слично самом спектру, једна предност СТФТ-а је да његови параметри имају физичке и интуитивне интерпретације. СТФТ се обично визуелизује коришћењем лог спектра 20лог10 (Кс(х, к)). Такви 2Д логаритамски спектри се затим могу посматрати коришћењем термалне мапе познате као спектрограм. У трећој фази алгоритма, СТФТ процедура спектралног пребацивања се примењује на оквире који пролазе кроз прозор тежине. СТФТ сигнала се добија отварањем прозора и одређивањем ДФТ сваког прозора. Конкретно, трансформација за Ксн и Вн прозоре улазног сигнала се одређује на следећи начин:

где к-индекс одговара вредностима фреквенције, а вн је функција прозора, која је обично Ханингов прозор или Гаусов прозор који је центриран око нуле.

4.4. Мел Трансформ

У четвртој фази, сигнал који се преноси у фреквенцијски опсег се дели на опсеге помоћу троугластих фифилтера. Границе фифилтера се израчунавају коришћењем фреквенције креде. Прелазак на поље фреквенције креде заснива се на следећој једначини:

где је ф опсег фреквенција.

Прекидач уназад се одређује на следећи начин:

Размотрите НН као број фифилтера (углавном се користи 26 фифилтера) и протока, колико је висок фреквентни опсег који се проучава. Овај опсег се преноси на Мел скалу и дели на НН равномерно распоређене опсеге који се укрштају. Границе које одговарају линеарној фреквенцији се одређују унутар поља, док се тежински коефицијенти који се добијају на основу фифилтрације означавају са Х. Затим се фифилтри примењују на квадратни модул коефицијената добијених из Фуријеове трансформације. Добијене вредности су логаритамске захваљујући следећем изразу:

Алгоритам декомпозиције сингуларне вредности имплементиран је у завршној фази израчунавања МФЦЦ-а.

5. Експериментални резултати

Имплементирали смо и тестирали предложени метод у Висуал Студио 2019 Ц плус плус на рачунару са 4,90 ГХз ЦПУ-ом, 32 ГБ РАМ-а и два Нвидиа ГеФорце 2080Ти ГПУ-а, као што је приказано у табели 4. Систем је тестиран у различитим окружењима уређаја да би процени перформансе методе екстракције карактеристика сигнала. У експериментима, током рада алгоритма (слика 8), када је редослед површина сигнала био н=15, број вредности је смањен за 40–50 процената, а време обраде је повећано за 1. 2-фолд. Сходно томе, овај алгоритам је показао значајно већу ефикасност. Штавише, овај алгоритам је омогућио одвајање и елиминисање области тишине приликом проласка кроз Ханингов прозор.

Постоји неколико могућих начина да се избегне губитак меморијског пропусног опсега. Предлажемо ново решење које повећава перформансе рачунара усклађивањем величине сигналних оквира са величином блока кеш меморије. Ова врста оптимизације може значајно утицати на укупне перформансе паралелне обраде. Међутим, може се користити у дигиталној обради сигнала дељењем сигнала у оквире кроз имплементације на вишејезгарним процесорима. Међутим, у пракси се одабир обично врши у малој скали, која одговара ширини магистрале података која повезује кеш меморију са главном меморијом и величини њеног блока. Наш метод имплементира оптималну употребу ових меморија у паралелном рачунарству. Организација кеш меморије игра суштинску улогу у алгоритмима паралелне обраде када се подаци деле у токове. Конкретно, присуство векторско-матричних ефеката у дигиталној обради сигнала и величину њихових токова треба прилагодити према величини кеш блокова. Ово се може постићи коришћењем предложеног метода, као што је илустровано на слици 9.

Табела 4. Детаљне спецификације експерименталне поставке.

слика 8. (а) Почетни долазни сигнал и (б) изглед сигнала након примене предложеног алгоритма.

Слика 9. Паралелна рачунарска структура помоћу процесора РК3288.

У овом одељку ћемо расправљати о квантитативној анализи да бисмо упоредили перформансе различитих система. Упоредили смо наш метод са добро познатим алго ритмима за препознавање говора заснованим на приступима дубоког учења. Метрике евалуације су од суштинског значаја за израчунавање различитих стратегија за препознавање говора и процену учинка различитих приступа. Иако смо користили резултате других студија за поређење, нисмо сигурни да ли су истинити јер изворни кодови и скупови података ових метода нису јавно доступни за верификацију стварних перформанси. Слика 10 приказује резултат померања тихих делова током проласка фрагмента говорног сигнала кроз Ханингов прозор на основу предложеног брзог алгоритма. Резултати брзине добијени анализом приказани су у табели 5.

Слика 10. к вредност КНН алгоритма (са избором обележја).

Табела 5. Експериментални резултати предложене методе.

Одређен је опсег да би се пронашао степен комшилука који даје најбољу вредност тачности у КНН алгоритму. Наведени опсег покрива 1–25. На слици 10 примењен је график КНН алгоритма са избором обележја. Када је график испитан, када је вредност суседства на почетку била 1, тачност тренинга је била много већа од тачности теста. У КНН алгоритму креираном коришћењем карактеристика одабраних корелацијом, утврђено је да је тачност модела 99,15 процената у скупу података за обуку и 97,35 процената у скупу података теста.

Стопа грешке речи (ВЕР) или стопа грешке карактера се обично користи за процену тачности издвајања обележја из говорног сигнала. Ово су објективне матрице које су од помоћи за поштено поређење техника препознавања. У нашим претходним студијама [51–56], израчунали смо метрике као што су Ф-мера (ФМ), прецизност и присећање. ФМ је пондерисани просек који балансира мерења између прецизности и стопе опозива. Прецизност је однос броја тачно предвиђених позитивних запажања и укупног броја предвиђених позитивних запажања. Опозив је однос броја тачно предвиђених позитивних запажања и укупног броја запажања у стварном разреду, као што је назначено у (9). Следеће једначине се могу користити за израчунавање просечне прецизности и стопе присећања метода издвајања обележја:

где ТП означава број истинито позитивних, ФП означава број лажно позитивних, а ФН означава број лажно негативних.

ФМ се израчунава коришћењем (10), узимајући у обзир и прецизност и присећање.

Просечан ФМ, опозив и прецизност предложене методе је био 98,4 одсто. Лажна детекција се десила у 1,6 одсто случајева због нежељене буке сигнала на микрофону. Опсег тачности модела је био између 0 и 1, а резултати метричке процене су достигли своје најбоље вредности на 1. Процена нашег метода и других недавно објављених метода издвајања говорних карактеристика представљена је у табели 6. Исти број карактеристика је коришћен за фер поређење. Укупно 325 говорних узорака из сваке групе анализирано је од субјеката са сличним карактеристикама. Ефекти различитих дужина оквира према броју група фифилтера у МФЦЦ-у и различитих дужина оквира по редоследу ЛПЦ-а су такође испитани ради побољшања тачности.

Табела 6. Резултати квантитативне тачности издвајања обележја говора.

Као што је раније поменуто, ВЕР је најчешћа мера за перформансе препознавања говора. Израчунава се упоређивањем референтне транскрипције са излазом препознавача говора. На основу овог поређења могуће је израчунати број грешака, које обично припадају три категорије: (1) уметање када реч није присутна у референци у излазу аутоматског препознавања говора (АСР), (2) брисања када је реч пропуштена у АСР излазу, и (3) замене када је реч помешана са другом речју. ВЕР се може израчунати на следећи начин.

где је С број замена речи које су погрешно препознате, Д је број брисања, И је број уметања, а Н је број речи у референтној транскрипцији. Главно питање при израчунавању овог резултата је поравнање између секвенци од две речи. Ово се може одредити динамичким програмирањем коришћењем Левенштајнове удаљености [67].

На основу табеле 6, извршили смо статистичку анализу да бисмо указали на просечну тачност упоређених метода користећи метрику евалуације ВЕР, као што је илустровано на слици 11. Побољшани екстрактор карактеристика је дао тачност од приближно 98,4 процената, док су други приступи дали тачност између 78 одсто и 96 одсто. Користили смо резултате дате у релевантним радовима за поређење; међутим, тачност ових вредности није лако проверити јер изворни кодови и скупови података ових метода нису јавно доступни да би се потврдила њихова стварна перформанса. Ипак, у случају стандардних сцена, експериментално је показано да предложени метод обезбеђује одличну тачност издвајања карактеристика говора смањењем времена рачунања, чак и када су говорни подаци бучни или ниског квалитета.

Слика 11. Квантитативни резултати приступа издвајању карактеристика говорног сигнала коришћењем вертикалних графикона.

Штавише, проценили смо лажно позитивне резултате одабраних метода. Као што се може видети са слике 12, предложени приступ је имао најмање грешака. Штавише, високоефикасна метода паралелног прорачуна значајно је смањила грешке у избору и екстракцији карактеристика звучног сигнала. Преоптерећење је било једно од главних проблема током обуке и скоро сви модели машинског учења пате од тога. Покушали смо да смањимо ризик од прекомерног прилагођавања користећи технику одабира карактеристика која уместо тога има за циљ да рангира важност постојећих карактеристика у скупу података и одбаци мање важне (не креирају се нове карактеристике).

Слика 12. Видљиви резултати експеримената екстракције карактеристика лажно позитивног говорног сигнала.

Табела 7 приказује резултате перформанси метода које су коришћене у окружењима за препознавање говора на основу различитих својстава. Наш предложени приступ не пати од нежељене и непотребне позадинске буке и на њега не утичу лоши људски гласови као што су промукли гласови, гласови произведени са упалом грла, или чак звуци људи са потпуним губитком гласа. Наш метод има за циљ да превазиђе проблеме неадекватне опреме за снимање, позадинске буке, отежаних акцената и дијалеката, као и различите висине у гласу. У нормалном окружењу, најбољи резултати за тачно откривање и издвајање изазова говорних карактеристика су добијени коришћењем предложеног метода са скраћеним временом обраде.

Табела 7. Преглед перформанси откривања и издвајања говорних карактеристика помоћу различитих функција.

Резултати метода препознавања говора су класификовани као моћни, нормални или слаби за седам категорија. Снажан критеријум показује да алгоритам може да превазиђе све врсте изазова. Насупрот томе, нормални критеријум указује да алгоритам може да не успе у одређеним случајевима јер границе речи нису унапред дефинисане. Коначно, слаб критеријум сугерише да је алгоритам непоуздан под позадинском буком или вибрацијама.

6. Ограничења

Тешко је закључити да до сада предложене методе не показују недостатке. Наш предложени метод такође може довести до грешака због различитих окружења буке. Да бисмо превазишли овај проблем, желели смо да смањимо број карактеристика у скупу података креирањем нових карактеристика од постојећих карактеристика [69]. Пошто је преоптерећење било једно од главних питања за обуку различитих модела током такмичења, обогаћивање података о тренингу додавањем узорака података из различитих ресурса могло би бити могуће решење за побољшање резултата. Без обзира на горепоменуте проблеме, експериментални резултати су открили да је наш метод био веома робустан и ефикасан за задатке екстракције говорних карактеристика, са просечном тачношћу од 98,4 процената и ФМ од 99,5 процената.

7. Закључци

Предложен је нови приступ паралелног рачунарства високих перформанси који користи метод машинског учења за системе за препознавање говора. Проблеми са убрзањем у машинама са ограниченим рачунарским ресурсима могу се решити коришћењем дистрибуираних система. Брзина рачунања у системима за препознавање сигнала може се повећати, а перформансе платформи са више језгара могу се побољшати креирањем и употребом ефикасних и брзих алгоритама. Резултати показују да предложени модел смањује време обраде и побољшава тачност екстракције карактеристика за 98,4 процената ефективним коришћењем МФЦЦ-а. Примећено је да су карактеристике са ниским вредностима корелације издвојене избором обележја такође ефикасне у успеху модела. Статистичка анализа је обављена на претходно обрађеним подацима, а значајне информације су произведене из података коришћењем алгоритма машинског учења К-најближих суседа (КНН).

Будуће студије ће се фокусирати на побољшање тачности нашег метода коришћењем приступа дубоког учења и оптимизацијом кеш меморије вишејезгарних процесора за откривање и издвајање говорних сигнала без значајног губитка квалитета. Штавише, планирамо да конструишемо модел спектралне анализе заснован на паралелној обради са снажним перформансама анализе који ће омогућити успостављање уграђених уређаја са ниским рачунарским ресурсима користећи Тарис скупове говорних података [70] у 3Д ЦНН и 3Д У-Нет окружењу [71– 75]

Референце

1. Менг, ИЈ; Лиу, ВЈ; Зханг, РЗ; Ду, ХС Екстракција и препознавање параметара говорних карактеристика на основу интерполације. Аппл. Мецх. Матер. 2014, 602–605, 2118–2123. [ЦроссРеф] 2. Мусаев, М.; Ракхимов, М. Убрзана обука за конволуционе неуронске мреже. У Зборнику радова 2020. Међународне конференције о информационим наукама и комуникационим технологијама (ИЦИСЦТ), Ташкент, Узбекистан, 4.–6. новембар 2020.; стр. 1–5. [ЦроссРеф] 3. Ие, Ф.; Ианг, Ј. А Дееп Неурал Нетворк Модел фор Спеакер Идентифицатион. Аппл. Сци. 2021, 11, 3603. [ЦроссРеф] 4. Мусаев, М.; Ракхимов, М. Метода мапирања блока главне меморије у кеш у паралелној обради говорног сигнала. У Процеедингс оф тхе 2019 Интернатионал Цонференце он Информатион Сциенце анд Цоммуницатион Тецхнологиес (ИЦИСЦТ), Карацхи, Пакистан, 9–10 Марцх 2019; стр. 1–4. [ЦроссРеф] 5. Јианг, Н.; Лиу, Т. Унапређени алгоритам за сегментацију говора и груписање заснован на СОМ и к-меанс. Матх. Пробл. инж. 2020, 2020, 3608286. [ЦроссРеф] 6. Ху, В.; Ианг, З.; Цхен, Ц.; Сун, Б.; Ксие, К. Приступ сегментацији вибрација за мулти-акциони систем куполе са нумеричком контролом. Сигнал Имаге Видео Процес. 2021, 16, 489–496. [ЦроссРеф]

7. Попеску, ТД; Аиордацхиоаие, Д. Детекција кварова котрљајућих лежајева коришћењем оптималне сегментације вибрационих сигнала. Мецх. Сист. Сигнал Процесс. 2019, 116, 370–391. [ЦроссРеф] 8. Схихаб, МСХ; Адитиа, С.; Сету, ЈХ; Имтиаз-Уд-Дин, КМ; Ефат, МИА Техника екстракције хибридних ГРУ-ЦНН карактеристика за идентификацију звучника. У Процеедингс оф тхе 2020 23рд Интернатионал Цонференце он Цомпутер анд Информатион Тецхнологи (ИЦЦИТ), Дака, Бангладеш, 19–21. децембар 2020; стр. 1–6. [ЦроссРеф] 9. Коркмаз, О.; Атасои, А. Препознавање емоција из говорног сигнала коришћењем цепстралних коефицијената мел-фреквенције. У Процеедингс оф тхе 9тх Интернатионал Цонференце он Елецтрицал анд Елецтроницс Енгинееринг (ЕЛЕЦО), Бурса, Туркеи, 26–28 новембар 2015; стр. 1254–1257. 10. Аиваз, У.; Гурулер, Х.; Кхан, Ф.; Ахмед, Н.; Вхангбо, Т.; Абдусаломов, А. Аутоматско препознавање говорника коришћењем кепстралних коефицијената Мел-фреквенције кроз машинско учење. ЦМЦ-Цомпут. Матер. Цонтин. 2022, 71, 5511–5521. 11. Ал-Кадери, М.; Лахамер, Е.; Рад, А. Систем за идентификацију звучника на два нивоа путем фузије хетерогених класификатора и сарадње комплементарних карактеристика. Сенсорс 2021, 21, 5097. [ЦроссРеф] 12. Батур Динлер, О.; Аидин, Н. Оптимални скуп параметара карактеристика заснован на рекурентним неуронским мрежама рекурентне јединице са гатираним за детекцију говорног сегмента. Аппл. Сци. 2020, 10, 1273. [Унакрсна референца] 13. Ким, Х.; Схин, ЈВ Побољшање говора са два микрофона засновано на ТФ-ГСЦ са супресијом цурења и опоравком сигнала. Аппл. Сци. 2021, 11, 2816. [Унакрсна референца] 14. Лее, С.-Ј.; Квон, Х.-И. Стратегија претходне обраде за уклањање шумова говорних података заснована на детекцији говорног сегмента. Аппл. Сци. 2020, 10, 7385. [ЦроссРеф] 15. Руснац, А.-Л.; Григоре, О. ЦНН архитектуре и методе екстракције карактеристика за ЕЕГ имагинарно препознавање говора. Сенсорс 2022, 22, 4679. [ЦроссРеф] [ПубМед] 16. Вафа, Р.; Кхан, МК; Малик, Ф.; Абдусаломов, АБ; Цхо, ИИ; Одарцхенко, Р. Утицај агилне методологије на успех пројекта, са модерирајућом улогом особе која одговара послу у ИТ индустрији Пакистана. Аппл. Сци. 2022, 12, 10698. [Унакрсна референца] 17. Аггарвал, А.; Сривастава, А.; Агарвал, А.; Цхахал, Н.; Сингх, Д.; Алнуаим, АА; Алхадлак, А.; Лее, Х.-Н. Двосмерно издвајање функција за препознавање говорних емоција помоћу дубоког учења. Сензори 2022, 22, 2378. [ЦроссРеф] [ПубМед] 18. Марини, М.; Ванелло, Н.; Фануцци, Л. Оптимизирање параметара екстракције функција зависних од звучника ради побољшања перформанси аутоматског препознавања говора за особе са дизартријом. Сенсорс 2021, 21, 6460. [ЦроссРеф] 19. Тивари, С.; Јаин, А.; Схарма, АК; Алмустафа, КМ Фонокардиограм заснован на сигналу вишекласног система за подршку одлучивању о срчаној дијагностици. ИЕЕЕ Аццесс 2021, 9, 110710–110722. [ЦроссРеф] 20. Мохтај, С.; Сцхмитт, В.; Моллер, С. Модел заснован на екстракцији карактеристика за идентификацију говора мржње. арКсив 2022, арКсив: 2201.04227. 21. Кулдосхбаи, А.; Абдусаломов, А.; Мукхиддинов, М.; Баратов, Н.; Макхмудов, Ф.; Цхо, ИИ Побољшање методе аутоматске класификације за ултразвучне слике које се користе на ЦНН-у. Инт. Ј. Вавелетс Мултиресолутион Инф. Процес. 2022, 20, 2150054. 22. Пассрицха, В.; Аггарвал, РК Хибрид дубоког ЦНН-а и двосмерног ЛСТМ-а за аутоматско препознавање говора. Ј. Интелл. Сист. 2020, 29, 1261–1274. [ЦроссРеф] 23. Мукхамадииев, А.; Кхујаиаров, И.; Ђураев, О.; Цхо, Ј. Метода аутоматског препознавања говора заснована на приступима дубоког учења за узбекистански језик. Сенсорс 2022, 22, 3683. [ЦроссРеф] [ПубМед] 24. Ли, Ф.; Лиу, М.; Зхао, И.; Конг, Л.; Донг, Л.; Лиу, Кс.; Хуи, М. Екстракција карактеристика и класификација срчаног звука коришћењем 1Д конволуционих неуронских мрежа. ЕУРАСИП Ј. Адв. Сигнал Процесс. 2019, 2019, 59. [Унакрсна референца] 25. Цханг, Л.-Ц.; Хунг, Ј.-В. Прелиминарна студија издвајања чврстих карактеристика говора заснована на максимизирању вероватноће стања у дубоким акустичним моделима. Аппл. Сист. Иннов. 2022, 5, 71. [Унакрсна референца] 26. Рамирез, Ј.; Горриз, ЈМ; Сегура, ЈЦ Детекција гласовне активности. Основе и робусност система за препознавање говора. У Робустном препознавању и разумевању говора; Гримм, М., Кросцхел, К., Едс.; И-ТЕЦХ Едуцатион анд Публисхинг: Лондон, УК, 2007; стр. 1–22. 27. Ох, С. ДНН базиран на робустном издвајању говорних карактеристика и методу уклањања шума сигнала користећи побољшани ЛМС филтер за предвиђање просечне вредности за препознавање говора. Ј. Цонверг. Инф. Тецхнол. 2021, 11, 1–6. [ЦроссРеф] 28. Аббасцхиан, БЈ; Сиерра-Соса, Д.; Елмагхраби, А. Технике дубоког учења за препознавање говорних емоција, од база података до модела. Сенсорс 2021, 21, 1249. [ЦроссРеф] 29. Ракхимов, М.; Мамађанов, Д.; Мукхиддинов, А. А Хигх-Перформанце Параллел Аппроацх то Имаге Процессинг ин Дистрибутед Цомпутинг. У Зборнику радова 2020. ИЕЕЕ 14. међународне конференције о примени информационих и комуникационих технологија (АИЦТ), Узбекистан, Ташкент, 7–9. октобар 2020.; стр. 1–5. [ЦроссРеф] 30. Абдусаломов, А.; Мукхиддинов, М.; Ђураев, О.; Кхамдамов, У.; Вхангбо, ТК Аутоматско издвајање истакнутих објеката на основу локално прилагодљивог прага за генерисање тактилне графике. Аппл. Сци. 2020, 10, 3350. [ЦроссРеф] 31. Абдусаломов, А.; Вхангбо, ТК Побољшање методе препознавања предњег плана коришћењем технике уклањања сенки за унутрашње окружење. Инт. Ј. Вавелетс Мултиресолутион Инф. Процес. 2017, 15, 1750039. [ЦроссРеф] 32. Абдусаломов, А.; Вхангбо, ТК Детекција и уклањање сенки покретних објеката коришћењем информација о геометрији и боји за видео токове у затвореном простору. Аппл. Сци. 2019, 9, 5165. [ЦроссРеф] 33. Мери, Д. Цомпутер Висион фор Кс-раи Тестинг; Спрингер Интернатионал Публисхинг: Цхам, Свитзерланд, 2015; стр. 271, ИСБН 978-3319207469. 34. Марк, С. Говорне слике поново калибрирају границе перцепције говора. У десет. Перцепт. Псицхопхис. 2016, 78, 1496–1511. [ЦроссРеф] 35. Мудгал, Е.; Мукунтхарај, С.; Модак, МУ; Рао, ИС препознавање говора у реалном времену засновано на шаблону помоћу дигиталних филтера на ДСП-ТМС320Ф28335. У Процеедингс оф тхе 2018 Фоуртх Интернатионал Цонференце он Цомпутинг Цоммуницатион Цонтрол анд Аутоматион (ИЦЦУБЕА), Пуне, Индија, 16–18 август 2018; стр. 1–6. [ЦроссРеф]