|
ИСТИНА |
Войти в систему Регистрация |
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
Нейросетевые методы классификации гласных в вокалических системах с признаком продвинутости корня языка, или ATRстатья
- Автор: Макеева Надежда Владимировна
- Журнал: Философские проблемы информационных технологий и киберпространства
- Том: 2
- Номер: 24
- Год издания: 2023
- Издательство: Пятигорский государственный университет
- Местоположение издательства: Пятигорск
- Первая страница: 49
- Последняя страница: 60
- DOI: 10.17726/philIT.2023.2.4
- Аннотация: Статья посвящена обсуждению результатов тестирования нейронной сети, классифицирующей гласные вокалической системы, включающей признак продвинутости корня языка, или [ATR] (Advanced Tongue Root), на материале языка акебу (семья ква). Акустическая природа признака [ATR] исследована недостаточно. Единственный надежный акустический коррелят [ATR] – величина первой форманты (F1) – является также акустическим коррелятом признака подъема, что создает существенные области пересечения между верхними гласными [-ATR] и средними гласными [+ATR]. Другие параметры, предлагаемые в качестве акустических коррелятов [ATR]: ширина полосы F1 (B1), разность амплитуд первых двух формант (A1-A2) и др., – различают, как правило, только часть гласных части носителей. Для обучения и тестирования нейронной сети были использованы значения четырех переменных: F1, F2, A1-A2, B1. Были протестированы четыре варианта модели, различающиеся отсутствием/наличием пятой переменной, кодирующей спикера, и количеством скрытых слоев (1 vs. 2). Модели, включающие параметр спикера, показали несколько более высокий уровень эффективности в виде доли правильных ответов, при этом показатели точности и полноты трехслойной модели оказались в целом выше, чем для модели, имеющей два скрытых слоя.
- Добавил в систему: Макеева Надежда Владимировна