| DC Field | Value | Language |
|---|
| dc.contributor.author | Коржова, И. А. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-04-27T12:26:44Z | - |
| dc.date.available | 2026-04-27T12:26:44Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Коржова, И. А. Сравнение рекуррентных нейронных сетей для обработки речевых сигналов = Comparison of recurrent neural networks for speech signal processing / И. А. Коржова // Технические средства защиты информации : материалы ХXIV Международной научно-технической конференции, Минск, 8 апреля 2026 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: О. В. Бойправ [и др.]. – Минск, 2026. – С. 280–286. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/63427 | - |
| dc.description.abstract | В работе рассматривается применение рекуррентных нейронных сетей для
обработки речевых сигналов. Проведено сравнительное исследование архитектур RNN,
LSTM и GRU при анализе признаков речевых сигналов, полученных методом мел-
частотных кепстральных коэффициентов (MFCC). Выполнено обучение моделей на
наборе аудиоданных и проведена оценка качества их работы по метрикам точности
и функции потерь. Полученные результаты позволяют определить эффективность
различных архитектур рекуррентных нейронных сетей при обработке речевой
информации и могут быть использованы при разработке систем анализа и защиты
речевых данных. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | обработка речевых сигналов | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | рекуррентные нейронные сети | en_US |
| dc.subject | RNN | en_US |
| dc.subject | LSTM | en_US |
| dc.subject | GRU | en_US |
| dc.subject | MFCC | en_US |
| dc.subject | машинное обучение | en_US |
| dc.subject | анализ речи | en_US |
| dc.subject | защита информации | en_US |
| dc.title | Сравнение рекуррентных нейронных сетей для обработки речевых сигналов | en_US |
| dc.title.alternative | Comparison of recurrent neural networks for speech signal processing | en_US |
| dc.type | Article | en_US |
| local.description.annotation | This paper considers the application of recurrent neural networks for speech signal
processing. A comparative study of RNN, LSTM and GRU architectures is carried out using
speech features obtained by the Mel-Frequency Cepstral Coefficients (MFCC) method. The
models are trained on a speech dataset and evaluated using accuracy and loss metrics. The
obtained results allow assessing the effectiveness of different recurrent neural network
architectures in speech signal processing and can be used in the development of speech
analysis and information protection systems. | en_US |
| Appears in Collections: | ТСЗИ 2026
|
