Наукові періодичні видання СНУ ім. В. Даля

Permanent URI for this community

https://dspace.snu.edu.ua/handle/123456789/1

Browse

Browsing Наукові періодичні видання СНУ ім. В. Даля by Author "Biloborodova, T. O."

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    A survey of open-source speech recognition software for voice actuated control.
    (СНУ ім. В. Даля, 2019) Derevianchenko, V. S.; Biloborodova, T. O.; Skarga-Bandurova, I. S.; Fursa, P. S.; Koverha, M. O.
    Nowadays, speech recognition technologies are actively developing and find application in various fields, such as controlling a computer using voice, dictating texts, and human-computer interaction or communicating with a computer on an intellectual level. Non-contact and natural for human ways of interacting with a computer, based on automatic recognition and synthesis of speech, text, gesture and tactile information, as well as paralinguistic information, including non-verbal aspects of speech and text information, are especially relevant. Much attention is paid to creating an accessible environment for people with disabilities and disabilities. An important means of ensuring accessibility and improving the quality of life, social interaction, and integration into society for people with disabilities are computer facilities and specialized information systems. In this paper we presented a series of experiments and analyzed the open-source software for voice actuated control. Simon is a software for Internet surfing, mailing, managing multimedia applications that can be adapted to the needs of older people. To work with the acoustic model, we need to either have our own model or load it from the library. The speech recognition was evaluated using two criteria, they are WER and Latency. The analysis of the software for recognition of continuous speech showed that at present there is no universal system for recognizing continuous speech that would be capable of self-learning, would be speaker-independent, resistant to noise, and have a low error rate. The considered software solutions at the moment are not universal and accurate, the speech recognition error greatly depends on the presence of extraneous medium and high-frequency noise, as well as on the microphone quality.
  • No Thumbnail Available
    Item
    Дослідження методів обробки та аналізу геопросторових зображень для віддаленого моніторингу поверхневих вод.
    (СНУ ім. В. Даля, 2022) Критська, Я. О.; Білобородова, Т. О.; Krytska, Y. O.; Biloborodova, T. O.
    Поверхневі води є важливими природнім ресурсом та відіграють важливу роль в багатьох аспектах людського життя, таких як питна вода, сільське господарство, виробництво електроенергії, транспорт та промисловість. Зміни поверхневих вод впливають на інші природні ресурси та навколишнє середовище. Це обумовлює важливість якісного визначення обсягу поверхневих вод і відстеження їх динаміки. Останнім часом дедалі більшої популярності набувають методи аналізу поверхневих вод на основі супутникових зображень. В роботі досліджені можливості і перспективи використання методів обробки та аналізу геопросторових зображень для віддаленого моніторингу поверхневих вод. Визначено та формалізовано етапи моніторингу поверхневих вод на основі геопросторових зображень. Визначено класифікацію методів виділення даних водної поверхні з геопросторових зображень, що включає методи на основі спектральних діапазонів, методи контрольованої класифікація на основі методів машинного навчання та методи неконтрольованої класифікації на основі індексів води. Розглянуто особливості просторово-часового аналізу поверхневих вод та критеріїв оцінки його точності.Ключовим критерієм оцінки точності є загальна точність класифікації зображень, однак, доцільно використовувати декілька специфічних критеріїв оцінки, таких як коефіцієнт узгодженості MICE, точність виробника, точність користувача, для отримання надійнішої оцінки. Проведено дослідження можливостей аналізу поверхневих вод на основі водного індексу на прикладі озера Піщане Луганської області в період водопілля 2018-2019 років. Дослідження можливостей аналізу поверхневих вод на основі водного індексу з застосуванням нормованого диференційованого індексу вологості території озера Піщане дозволило виявити певну невизначеність при підборі порогових значень для ефективного диференціювання. Також, виявлено суттєву залежність методу від факторів атмосферних умов, таких як хмарність, туман, задимленість або температурна інверсія на момент зйомки геопросторового зображення, що обумовлює необхідність атмосферної корекції супутникових даних до рівня обробки L2A.
  • No Thumbnail Available
    Item
    Методологія ідентифікації шламонакопичувачів з використанням методів машинного навчання на геопросторових зображеннях.
    (СНУ ім. В. Даля, 2022) Критська, Я. О.; Хмельницький, Д. Б.; Білобородова, Т. О.; Krytska, Y. O.; Khmelnytskyi, D. B.; Biloborodova, T. O.
    В останні роки спостерігається зростання випадків де формації промислових шламонакопичувачів, результатом якої у багатьох випадках є руйнівний вплив на навколишнє середовище та екосистему. Моніторинг шламонакопичу вачів має вирішальне значення для запобігання руйнівним наслідкам деформації. Традиційні методи моніторингу вимагають великих ресурсів та також малоефективні для раннього виявлення потенційної деформації. Віддале ний моніторинг на основі геопросторових зображень є перспективним напрямком для моніторингу шламонако пичувачів з метою раннього виявлення потенційної дефо рмації. В роботі представлено формалізацію етапів та визначення методології моніторингу шламонакопичувачів на основі геопросторових зображень з використанням методів машинного навчання: визначено засоби моніто рингу, формалізовано етапи, розроблено технічну блок схему процесу. Визначена методологія включає наступні етапи: (1) формування вибірки та передобробка зобра жень, (2) класифікація з використанням алгоритмів ма шинного навчання, (3) валідація результатів класифікації та визначення моделі з найвищою точністю. Методологія заснована на використанні Google Earth Engine (GЕЕ). За соби платформи включають інтерактивний сервер дода тків, що працює з відкритим каталогом даних, обчислю вальне інтегроване середовище розробки, геопросторовий API (клієнтські бібліотеки надають оболонки Python і JavaScript для вебAPI в архітектурі REST. Практичну ре алізацію та оцінку якості запропонованої методології проведено на основі даних зображень шламонакопичувача содового виробництва ВАТ «Лисичанська сода». Проведе но попередню обробку зображень: 1) відбір зображень без хмар, для покращення результатів подальшого аналізу, 2) об’єднання шарів зображень ДДЗ, 3) анотація об’єктів, 4) розділення даних на тестовий та тренувальний набори даних пікселів. Класифікацію реалізовано з використан ням алгоритмів CART, RF та SVM Ефективність моделей визначено на основі точності ідентифікації. Найвища точність на тестових даних досягнута з використанням SVM, що становила 98,05%.