| Title: | Применение рекурентных нейронных сетей с долгой краткосрочной памятью для задачи распознавания эмоций по речи |
| Other Titles: | Application of recurrent neural networks with long short-term memory for speech emotion recognition tasks |
| Authors: | Краснопрошин, Д. В. |
| Keywords: | материалы конференций;нейронные сети;глубокое обучение;распознавание эмоций |
| Issue Date: | 2025 |
| Publisher: | БГУИР |
| Citation: | Краснопрошин, Д. В. Применение рекурентных нейронных сетей с долгой краткосрочной памятью для задачи распознавания эмоций по речи = Application of recurrent neural networks with long short-term memory for speech emotion recognition tasks / Д. В. Краснопрошин // Компьютерные системы и сети : материалы 61-й научной конференции аспирантов, магистрантов и студентов, Минск, 22–26 апреля 2025 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2025. – C. 592–595. |
| Abstract: | Экспериментально исследуется возможность применения рекуррентных нейронных сетей с долгой краткосрочной
памятью нейронных сетей для классификации эмоций в речи. Представлены варианты реализации классификатора на основе рекуррентных сетей с одним, двумя и тремя скрытыми слоями. В качестве исходных речевых признаков использовались мелчастотные кепстральные коэффициенты. Наилучший результат классификации показала трехслойная LSTM-сеть, продемонстрировав значением метрики точности UAR=32%. Также предложены варианты улучшения модели, которые, потенциально могут улучшить качество классификации. |
| Alternative abstract: | The possibility of applying recurrent neural networks with long-term memory for classifying emotions in human speech is
experimentally studied. Variants of classifier implementation based on recurrent networks with one, two and three hidden layers are presented. Mel-frequency cepstral coefficients (MFCCs) were used as initial speech features. A three-layer LSTM network showed the best classification results, with an accuracy metric (UAR) of 32%. Possible improvements to the model have also been proposed, which could potentially enhance the quality of the classification. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/60355 |
| Appears in Collections: | Компьютерные системы и сети : материалы 61-й научной конференции аспирантов, магистрантов и студентов : сборник статей (2025)
|
