https://libeldoc.bsuir.by/handle/123456789/59695| Title: | Анализ подходов к построению систем распознавания эмоций по речи с использованием методов глубокого обучения |
| Other Titles: | Analysis of approaches to building speech emotion recognition systems using deep learning methods |
| Authors: | Краснопрошин, Д. В. Вашкевич, М. И. |
| Keywords: | материалы конференций;глубокое обучение;нейронные сети;распознавание речи |
| Issue Date: | 2025 |
| Publisher: | БГУИР |
| Citation: | Краснопрошин, Д. В. Анализ подходов к построению систем распознавания эмоций по речи с использованием методов глубокого обучения = Analysis of approaches to building speech emotion recognition systems using deep learning methods / Д. В. Краснопрошин, М. И. Вашкевич // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XI Международной научно-практической конференции, Республика Беларусь, Минск, 23–24 апреля 2025 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2025. – С. 343–353. |
| Abstract: | В статье представлен обзор методов и алгоритмов распознавания эмоций в речи, охватывающий этапы предобработки данных, извлечения признаков и выбора моделей классификации. Рассмотрены преимущества и недостатки применения статистических моделей. Особое внимание уделено методам с использованием нейронных сетей, анализу их преимуществ и недостатков в контексте распознавания эмоций. Оценены перспективы дальнейших исследований, направленных на улучшение эффективности и интерпретируемости моделей, включая использование мультимодальных данных и сокращение числа обучаемых параметров моделей для повышения производительности. |
| Alternative abstract: | The article provides an overview of methods and algorithms for speech emotion recognition problems, covering the stages of data preprocessing, feature extraction, and classification model selection. The application of statistical models and their limitations are discussed. Special attention is given to neural network technologies, analyzing their advantages and disadvantages in the context of solving the problem. The prospects for further research aimed at improving the efficiency and interpretability of models are evaluated, including the use of multimodal data and dimensionality reduction to enhance performance. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/59695 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2025) |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Krasnoproshin_Analiz.pdf | 732.09 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.