.tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="b5a2a1f08d1627075e53cd72b6615a53"] { padding: 25px 0 25px 0; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] { grid-template-columns: minmax(0, 0.72fr) minmax(0, 0.28fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }  .tb-field[data-toolset-blocks-field="668ae1855b25b162eb8e46027e84eed6"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="141f0efa1834a8f0cdf3c504febcbacf"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="a093f80b98988f44867bc92bc8b2bcce"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="b207be1f09b5cfeaede6a71988a74275"] a { text-decoration: none; }  .tb-field[data-toolset-blocks-field="66077008f8b3822688e427d9e039f21f"] a { text-decoration: none; } h3.tb-heading[data-toolset-blocks-heading="40237bba3ab4f27cbbbaf8fded95dd4e"]  { font-size: 16px;color: rgba( 0, 0, 0, 1 ); }  h3.tb-heading[data-toolset-blocks-heading="40237bba3ab4f27cbbbaf8fded95dd4e"] a  { color: rgba( 0, 0, 0, 1 );text-decoration: none; } .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } .tb-button{color:#f1f1f1}.tb-button--left{text-align:left}.tb-button--center{text-align:center}.tb-button--right{text-align:right}.tb-button__link{color:inherit;cursor:pointer;display:inline-block;line-height:100%;text-decoration:none !important;text-align:center;transition:all 0.3s ease}.tb-button__link:hover,.tb-button__link:focus,.tb-button__link:visited{color:inherit}.tb-button__link:hover .tb-button__content,.tb-button__link:focus .tb-button__content,.tb-button__link:visited .tb-button__content{font-family:inherit;font-style:inherit;font-weight:inherit;letter-spacing:inherit;text-decoration:inherit;text-shadow:inherit;text-transform:inherit}.tb-button__content{vertical-align:middle;transition:all 0.3s ease}.tb-button__icon{transition:all 0.3s ease;display:inline-block;vertical-align:middle;font-style:normal !important}.tb-button__icon::before{content:attr(data-font-code);font-weight:var(--tb-button-icon-weight, normal) !important}.tb-button__link{background-color:#444;border-radius:0.3em;font-size:1.3em;margin-bottom:0.76em;padding:0.55em 1.5em 0.55em} .tb-button[data-toolset-blocks-button="d03f64bd5e20c5b511037182232b9fc8"] { text-align: center; } .tb-button[data-toolset-blocks-button="d03f64bd5e20c5b511037182232b9fc8"] .tb-button__link { background-color: rgba( 255, 255, 255, 1 );border-radius: 13px;color: rgba( 0, 0, 0, 1 );border: 2px solid rgba( 89, 52, 255, 1 );font-size: 16px;color: rgba( 0, 0, 0, 1 ); } .tb-button[data-toolset-blocks-button="d03f64bd5e20c5b511037182232b9fc8"] .tb-button__icon { font-family: dashicons; } .tb-field[data-toolset-blocks-field="dd2301d13c2824d2c96b677a23505961"] { font-size: 13px;font-style: italic;color: rgba( 89, 89, 89, 1 );margin-top: 20px;margin-bottom: 20px; }  .tb-field[data-toolset-blocks-field="dd2301d13c2824d2c96b677a23505961"] a { color: rgba( 89, 89, 89, 1 );text-decoration: none; } h3.tb-heading[data-toolset-blocks-heading="3b57f2c06042c810e62cf4b0b6e91446"]  { font-size: 17px;color: rgba( 0, 0, 0, 1 ); }  h3.tb-heading[data-toolset-blocks-heading="3b57f2c06042c810e62cf4b0b6e91446"] a  { color: rgba( 0, 0, 0, 1 );text-decoration: none; } .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end}h2.tb-heading[data-toolset-blocks-heading="085dbbbc0defeadc27b23b5737ace645"]  { color: rgba( 255, 255, 255, 1 );background-color: rgba( 6, 147, 227, 1 );padding-top: 20px;padding-bottom: 20px;padding-left: 25px;margin-top: 20px;margin-bottom: 20px; }  h2.tb-heading[data-toolset-blocks-heading="085dbbbc0defeadc27b23b5737ace645"] a  { color: rgba( 255, 255, 255, 1 );text-decoration: none; } .tb-container .tb-container-inner{width:100%;margin:0 auto} .wp-block-toolset-blocks-container.tb-container[data-toolset-blocks-container="7990017b9d2a69714997192d12cdf930"] { padding: 25px;box-shadow: 5px 5px 10px 0 rgba( 0, 0, 0, 0.5 ); } .tb-field[data-toolset-blocks-field="793659d82f8f96b556a5767bd3036678"] { margin-top: 30px;margin-bottom: 30px; }  .tb-field[data-toolset-blocks-field="793659d82f8f96b556a5767bd3036678"] a { text-decoration: none; }  h1.tb-heading[data-toolset-blocks-heading="4f5a660589f8a2eb8e7a8502090d81dc"] a  { text-decoration: none; } @media only screen and (max-width: 781px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] { grid-template-columns: minmax(0, 0.5fr) minmax(0, 0.5fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 1) { grid-column: 1 } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] > .tb-grid-column:nth-of-type(2n + 2) { grid-column: 2 }       .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } .tb-button{color:#f1f1f1}.tb-button--left{text-align:left}.tb-button--center{text-align:center}.tb-button--right{text-align:right}.tb-button__link{color:inherit;cursor:pointer;display:inline-block;line-height:100%;text-decoration:none !important;text-align:center;transition:all 0.3s ease}.tb-button__link:hover,.tb-button__link:focus,.tb-button__link:visited{color:inherit}.tb-button__link:hover .tb-button__content,.tb-button__link:focus .tb-button__content,.tb-button__link:visited .tb-button__content{font-family:inherit;font-style:inherit;font-weight:inherit;letter-spacing:inherit;text-decoration:inherit;text-shadow:inherit;text-transform:inherit}.tb-button__content{vertical-align:middle;transition:all 0.3s ease}.tb-button__icon{transition:all 0.3s ease;display:inline-block;vertical-align:middle;font-style:normal !important}.tb-button__icon::before{content:attr(data-font-code);font-weight:var(--tb-button-icon-weight, normal) !important}.tb-button__link{background-color:#444;border-radius:0.3em;font-size:1.3em;margin-bottom:0.76em;padding:0.55em 1.5em 0.55em}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .tb-container .tb-container-inner{width:100%;margin:0 auto}   } @media only screen and (max-width: 599px) { .tb-container .tb-container-inner{width:100%;margin:0 auto}.tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"] { grid-template-columns: minmax(0, 1fr);grid-auto-flow: row } .wp-block-toolset-blocks-grid.tb-grid[data-toolset-blocks-grid="8c679156c14e81ad4960aac53485e261"]  > .tb-grid-column:nth-of-type(1n+1) { grid-column: 1 }       .wp-block-toolset-blocks-grid-column.tb-grid-column[data-toolset-blocks-grid-column="3034fbe886c11054e95b46b09d3e4112"] { display: flex; } .tb-button{color:#f1f1f1}.tb-button--left{text-align:left}.tb-button--center{text-align:center}.tb-button--right{text-align:right}.tb-button__link{color:inherit;cursor:pointer;display:inline-block;line-height:100%;text-decoration:none !important;text-align:center;transition:all 0.3s ease}.tb-button__link:hover,.tb-button__link:focus,.tb-button__link:visited{color:inherit}.tb-button__link:hover .tb-button__content,.tb-button__link:focus .tb-button__content,.tb-button__link:visited .tb-button__content{font-family:inherit;font-style:inherit;font-weight:inherit;letter-spacing:inherit;text-decoration:inherit;text-shadow:inherit;text-transform:inherit}.tb-button__content{vertical-align:middle;transition:all 0.3s ease}.tb-button__icon{transition:all 0.3s ease;display:inline-block;vertical-align:middle;font-style:normal !important}.tb-button__icon::before{content:attr(data-font-code);font-weight:var(--tb-button-icon-weight, normal) !important}.tb-button__link{background-color:#444;border-radius:0.3em;font-size:1.3em;margin-bottom:0.76em;padding:0.55em 1.5em 0.55em}  .tb-grid,.tb-grid>.block-editor-inner-blocks>.block-editor-block-list__layout{display:grid;grid-row-gap:25px;grid-column-gap:25px}.tb-grid-item{background:#d38a03;padding:30px}.tb-grid-column{flex-wrap:wrap}.tb-grid-column>*{width:100%}.tb-grid-column.tb-grid-align-top{width:100%;display:flex;align-content:flex-start}.tb-grid-column.tb-grid-align-center{width:100%;display:flex;align-content:center}.tb-grid-column.tb-grid-align-bottom{width:100%;display:flex;align-content:flex-end} .tb-container .tb-container-inner{width:100%;margin:0 auto}   } 
Главная Работы на конкурс Предметное образование Технические дисциплины Научно-исследовательская работа «Применение нейронных сетей как одного из направлений искусственного интеллекта при идентификации личности по голосу»
Научно-исследовательская работа «Применение нейронных сетей как одного из направлений искусственного интеллекта при идентификации личности по голосу»
Автор: Радченко Елизавета Владимировна
Место работы/учебы (аффилиация): Волгодонский техникум информационных технологий, бизнеса и дизайна имени В.В. Самарского, Ростовская область, 2 курс
Научный руководитель: Юрова Марина Николаевна
Актуальность темы настоящей работы обусловлена необходимостью применения эффективных методов идентификации, позволяющих с максимальной точностью определить личность человека, при этом минимизировав риск ошибок.
Основная цель данной работы – исследование темы применения нейронных сетей при голосовой идентификации личности.
Для достижения поставленной цели необходимо решены следующие задачи:
- рассмотрен вопрос идентификации личности человека;
- выбран наиболее эффективный метод идентификации;
- изучены особенности идентификации личности по голосу;
- исследованы экспериментальные результаты нейросетевой модели идентификации человека по голосу;
- подтверждена эффективность применения нейронных сетей при распознавании личности на основании экспериментальных данных.
Предмет исследования — нейронная сеть. Объект — методы идентификации личности по голосу. Гипотеза: если применять нейросетевые методы идентификации личности по голосу, то можно минимизировать риск ошибок и повысить эффективность распознавания личности.
Результаты: предложенный метод показывает хорошие результаты, обладает пониженной вероятностью ошибок и является перспективным методом идентификации личности.
Загрузка…
Перезагрузить документ 
Открыть в новой вкладке Смотреть похожие работы
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
LnRiLWhlYWRpbmcuaGFzLWJhY2tncm91bmR7cGFkZGluZzowfQ==
LnRiLWZpZWxke21hcmdpbi1ib3R0b206MC43NmVtfS50Yi1maWVsZC0tbGVmdHt0ZXh0LWFsaWduOmxlZnR9LnRiLWZpZWxkLS1jZW50ZXJ7dGV4dC1hbGlnbjpjZW50ZXJ9LnRiLWZpZWxkLS1yaWdodHt0ZXh0LWFsaWduOnJpZ2h0fS50Yi1maWVsZF9fc2t5cGVfcHJldmlld3twYWRkaW5nOjEwcHggMjBweDtib3JkZXItcmFkaXVzOjNweDtjb2xvcjojZmZmO2JhY2tncm91bmQ6IzAwYWZlZTtkaXNwbGF5OmlubGluZS1ibG9ja311bC5nbGlkZV9fc2xpZGVze21hcmdpbjowfQ==
Исследовательская работа «Исследование влияния различных режимов адаптивного поведения AI-чатбота DUMB-AI на качество ответов при решении задач разных типов»
Доступна к просмотру полнотекстовая версия работы
Цель исследования: определить влияние различных режимов адаптивного поведения AI-чатбота DUMB-AI на качество ответов при решении задач разных типов. Для достижения цели были поставлены следующие задачи: изучить подходы к оцениванию качества ответов я…
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
Проект «Исследование феномена гроккинга в нейронных сетях на примере задачи модульного сложения»
Доступна к просмотру полнотекстовая версия работы
Цель работы — исследовать феномен гроккинга в нейронной сети на примере задачи модульной арифметики и выявить условия, при которых модель переходит от запоминания обучающей выборки к обобщению на тестовых данных. Для достижения цели были решены следу…
Исследовательская работа «Влияние искусственного интеллекта на учебную мотивацию подростков (на примере учащихся 7–11 классов общеобразовательных школ г. Твери)»
Цель исследования – выявить особенности использования искусственного интеллекта в учебной деятельности и определить его связь с уровнем учебной мотивации учащихся 7–11 классов общеобразовательных школ города Твери. Актуальность темы обусловлена стрем…
Проект «Алгоритмическое правосудие: этико-правовые риски внедрения Искусственного интеллекта в систему государственного управления и правопорядка»
Цель работы: на примере авторской программной модели на языке C++ продемонстрировать уязвимость систем искусственного интеллекта перед социальными стереотипами и доказать необходимость сохранения человеческого контроля в правосудии. Разработать инфор…
Исследовательская работа по теме: «Искусственный интеллект — друг, помощник или соперник?»
Доступна к просмотру полнотекстовая версия работы
Цели: Определить как относятся ученики моего класса и учителя второклассников моей школы к ИИ: как к другу, помощнику или сопернику? Составить основные правила дружбы с ИИ чтобы не навредить себе. Задачи: Подготовить и провести анкетирование по вопро…
Исследовательский проект «Информационный компас: тренажер критического мышления для эпохи ИИ»
Цель работы — выявление и анализ психофизиологических и поведенческих маркеров сомнения у подростков при взаимодействии с реальным и ИИ-контентом, а также разработка когнитивного тренажера для формирования устойчивых стратегий поведения в условиях ин…
Мероприятие завершено
Конкурс, в котором работа участвует
Направление
Форма представления работы
Ключевые слова
Дата публикации работы
16.05.2021
Добавить комментарий