Применение скрытых марковских моделей в системах компьютерного обучения произношению
Получите бесплатно демо-версию Демо-версия - дипломная работа, в котрой удалена часть текста, рисунков, таблиц.Посмотреть все услуги дипломной работы на электронную почту.
Введите адрес электронной почты и нажмите "Отправить"
Формализация бизнес-процессов компании в сфере ЖКХ (проектирование и разработка АИС для расчета стоимости коммунальных услуг и формирования квитанций на оплату), ВКР по информатике10 680 ₽
Разработка автоматизированной информационной системы учета успеваемости студентов колледжа8 208 ₽
Информационная система обслуживания заявок сотрудников строительной компании, диплом по информатике в экономике8 900 ₽
Применение DLP-систем как инструмента обеспечения информационной безопасности компании, диплом по защите информации10 680 ₽Описание
Работа выполнена и представлена в 2016.
Современные информационные технологии могут кардинально изменить тревожную ситуацию в области коррекции и устранения речевых нарушений у детей (логопедия). Дефекты речи являются частым отклонением у детей дошкольного возраста. Если двенадцать лет назад свыше 100 тыс. детей в России посещали почти 5 тыс. специальных учреждений, то сейчас примерно у половины первоклассников есть дефекты речи, и это число постоянно растет. Очевидна проблема, требующая скорейшего решения, и оно возможно, если в помощь логопедам и родителям можно будет предложить специальные программы, помогающие изучению произношения и устраняющие уже существующие дефекты речи.
Произношение неразрывно связано с распознаванием речи, одной из самых сложных задач искусственного интеллекта. Именно поэтому, задача исследования возможностей математических моделей и методов, применяемых в системе распознавания речи, является актуальной.
Задача распознавания речи состоит в автоматическом восстановлении текста произносимых человеком слов, фраз или предложений на естественном языке. Человек для понимания устной речи задействует не только свои знания о языке, но и смысл произносимого. Каждый из нас понимает, что выражение, произнесенное с разной интонацией и в разных условиях, на уровне сигнала будет выглядеть совершенно по-разному. Но люди всё равно понимают друг друга, т.е. есть нечто неизменное, благодаря чему по сигналу можно понять, что было сказано. Поиск таких неизменных частей является задачей акустического моделирования. Акустическая модель - это функция, на вход которой подается небольшой участок акустического сигнала, и выдающая распределение вероятностей различных звуков на этом участке.
На сегодняшний день практически все известные системы распознавания речи основаны на статических методах. Обычно таким является метод, называемый скрытым марковским моделированием (СММ), так как при использовании данного метода вероятность распознавания слов очень велика (80-90%). В то же время каждый речевой сигнал может быть представлен в виде вектора, заданного в некотором параметрическом пространстве, после чего этот вектор может быть запомнен в нейросети. Модели искусственных нейронных сетей так же используются для акустико-фонетического моделирования речевого сигнала. Принципы работы таких моделей основываются на биологических моделях нервных систем.
СММ и искусственные нейронные сети (ИНС), созданные в виде компьютерных моделей, с успехом справляются с задачами распознавания. Существует так же гибридная модель ИНС и СММ, которая позволяет эффективно объединить и усилить их возможности. Для анализа самого произношения выбрана дифференцирующая модель, которая предполагает индивидуальный пошаговый контроль с объективной системой оценивания, при этом у компьютера для этого есть огромные возможности.Поэтому эти модели выбраны основными для исследования и анализа.
Характеристики
Программа с исходниками | Да, Delphi |
Год | 2016 |
Спасибо за помощь! Заказывала диплом по цифровой экономике (Синергия) в самый разгар сессии. Менеджер помог сформулировать ТЗ, хотя я сама толком не знала, чего хочу. В итоге работа по внедрению ERP-системы на малом предприятии получилась структурированной и полезной. Защитила на «отлично». Очень благодарна за терпение и профессионализм!
Синергия, психология. Тема про тревожность у студентов-дистанционщиков. Очень переживала, так как тема деликатная. Но автор подошел профессионально: корректные методики, этичные выводы, хорошая стилистика. Уникальность изначально была 87%. Прислали раньше срока. На защите работу привели как пример хорошей структуры. Я рада!
Диплом по прикладной информатике для МТИ на тему анализа данных соцсетей. Сделали все качественно: парсинг, кластеризация, визуализация в Tableau. Особо хочу отметить доклад для защиты — он был написан так, что я сам глубоко вник в тему. Защита прошла гладко, поставили «отлично». Сервис на высоте, особенно для технических специальностей.
Заказывал для МИРЭА (прикладная информатика) диплом по разработке чат-бота с NLP. Сначала попался автор, который слабо разбирался в лингвистических процессорах. После моей жалобы оперативно заменили на другого специалиста. Второй сделал блестяще, с примерами кода на Python. Не сразу, но проблема была решена. Защитил на «хорошо». Вывод: если что-то не так — сразу заявляйте, реагируют адекватно.
Юриспруденция в Синергии, тема про защиту персональных данных в мессенджерах. Работа объемная, с анализом законодательства РФ и ЕС. Минус — в списке литературы были устаревшие источники (2018-2019 гг.). Пришлось самой искать свежие статьи и просить добавить. Исправили, но с небольшим недовольством. В итоге работа сильная, защитилась на «5». Но проверяйте актуальность источников.
