Оценка устойчивости CNN-классификатора голосовых команд к акустическим искажениям на основе анализа спектральных признаков

Abstract

Практическое значение работы заключается в обосновании необходимости использования методов расширения обучающих данных, нормализации спектров и специализированных архитектур для повышения устойчивости моделей. Итоги исследования подчёркивают, что качество голосовых интерфейсов определяется не только мощностью нейросетевой модели, но и тем, насколько хорошо она адаптирована к реальным условиям.