В данной работе предложен новый метод улучшения качества зашумленных речевых сигналов. В его основе лежит двухэтапная схема, с первым этапом широкополосной обработки аудиосигнала и вторым этапом обработки отдельных частотных полос. Преобразование сигнала осуществлялось над оконным Фурье-разложением обрабатываемого сигнала. На каждом этапе задействованы слои, моделирующие структурированное пространство состояний (S4), хорошо зарекомендовавшие себя при обработке и предсказании длинных временных рядов. За счет их применения уменьшилось число обучаемых параметров нейронной сети без потери качества работы. Длительность процесса обучения в расчете на одну эпоху уменьшилась по сравнению с рекуррентными сетями из-за применения сверточной формы S4-преобразований. Проведена апробация предложенного метода. Нейронная сеть с S4-преобразованиями реализована на языке Python с применением библиотеки глубокого обучения PyTorch. Обучение сети проведено на наборе данных DNS Challenge 2020. Для тестирования работы на основе того же набора данных сгенерирован набор тестовых примеров, включающих в себя различные классы шумовых добавок. Продемонстрировано превосходство предложенного метода в целом по сравнению с аналогичными решениями, основанными на применении слоев рекуррентных преобразований. Проведен анализ того, какие классы шумов более эффективно очищаются из обрабатываемого сигнала.
В статье рассматривается архитектура вычислительного узла конвейерного типа, предназначенная для реализации набора вычислений, соответствующих классам вычислительных задач с подобным набором операций и линейной последовательностью действий, для которой возможна реализация архитектуры с передачей данных между отдельными стадиями конвейера. В качестве типов задач рассматриваются цифровая обработка сигналов, вычисление трансцендентных и хэш-функций, базовые операции с плавающей точкой и операции вычисления выхода нейрона для построения нейроморфных вычислительных структур. Совмещение нескольких типов операций в рамках одного конфигурируемого конвейера позволяет расширить область применения таких вычислительных структур, реализуемых в составе СБИС ускорителей вычислений. Применение конфигурируемых конвейеров позволяет частично сконцентрировать вычислительные ресурсы, уменьшив таким образом возможное многообразие коммутаций между ними, характерное для многоядерных процессоров с архитектурой связей типа «решетка». Кроме того, характерные особенности задач цифровой обработки сигналов в виде большого динамического диапазона коэффициентов фильтра при их реализации в последовательном конвейерном вычислителе позволяют использовать минимально необходимое количество стадий конвейера, динамически адаптируя их к конкретному набору используемых коэффициентов фильтра. Аналогично выполняется операция «обрезки» при реализации нейросетей. Для конвейера предложено двухступенчатое конфигурирование с регистром конфигурации коммутаторов, содержащим несколько программируемых наборов управляющих сигналов, и памятью последовательности включения этих наборов, что позволяет динамически управлять работой конвейера при его реализации в составе СБИС.
В статье рассматривается архитектура вычислительного узла конвейерного типа, предназначенная для реализации набора вычислений, соответствующих классам вычислительных задач с подобным набором операций и линейной последовательностью действий, для которой возможна реализация архитектуры с передачей данных между отдельными стадиями конвейера. В качестве типов задач рассматриваются цифровая обработка сигналов, вычисление трансцендентных и хэш-функций, базовые операции с плавающей точкой и операции вычисления выхода нейрона для построения нейроморфных вычислительных структур. Совмещение нескольких типов операций в рамках одного конфигурируемого конвейера позволяет расширить область применения таких вычислительных структур, реализуемых в составе СБИС ускорителей вычислений. Применение конфигурируемых конвейеров позволяет частично сконцентрировать вычислительные ресурсы, уменьшив таким образом возможное многообразие коммутаций между ними, характерное для многоядерных процессоров с архитектурой связей типа «решетка». Кроме того, характерные особенности задач цифровой обработки сигналов в виде большого динамического диапазона коэффициентов фильтра при их реализации в последовательном конвейерном вычислителе позволяют использовать минимально необходимое количество стадий конвейера, динамически адаптируя их к конкретному набору используемых коэффициентов фильтра. Аналогично выполняется операция «обрезки» при реализации нейросетей. Для конвейера предложено двухступенчатое конфигурирование с регистром конфигурации коммутаторов, содержащим несколько программируемых наборов управляющих сигналов, и памятью последовательности включения этих наборов, что позволяет динамически управлять работой конвейера при его реализации в составе СБИС.
В данной статье описывается процесс реализации такого метода машинного обучения, как рекомендательная система; рассматривается построение коллаборативной рекомендательной системы, в основе которой лежит алгоритм сингулярного разложения или сингулярной декомпозиции матрицы. Описаны процесс сбора тестовых данных, их обработки, а также обучение модели и её оценка согласно некоторым метрикам.
Рассматривается возможность применения такого метода машинного обучения, как деревья решений, для определения метеорологической дальности видимости на основе других погодных показателей (температура воздуха, атмосферное давление, относительная влажность, скорость и направление ветра, облачность, текущая погода и др.). Описаны процесс сбора и обработки данных, а также обучение модели и её итоговая точностью.
Работа посвящена разработке веб-приложения для прогнозирования исходов спортивных событий, которое позволит оценить составленные программой проценты на исходы определенной подборки матчей по разным видам спорта.
Рассмотрена задача о движении внешней нагрузки с постоянной скоростью вдоль замороженного канала с неравномерным сжатием. Лед моделируется как тонкая вязкоупругая пластина постоянной толщины. Края пластины приморожены к стенкам канала. Прогиб ледового покрова описывается в рамках линейной теории упругости. Жидкость под пластиной невязкая и несжимаемая. Течение жидкости, вызванное прогибом пластины, является потенциальным. Внешняя нагрузка моделируется движущимся с постоянной скоростью распределением давления. Задача решается с помощью преобразования Фурье вдоль канала и методом нормальных мод для формы прогибов льда поперек канала. Основным параметром для исследования в данной модели является эффект неоднородного сжатия ледового покрова.
В работе рассматриваются и сравниваются некоторые методы составления прогноза, основанные на нечетких математических моделях, рассматриваются преимущества и недостатки того или иного метода.
Одной из важнейших задач любого исследования, связанного с многомерным анализом данных, является задача установления наличия и оценки степени связи между исследуемыми переменными. При изучении монотонных связей для их выявления и оценки силы чаще всего используют ранговые коэффициенты Спирмена и Кенделла. В работе исследованы соотношения этих коэффициентов между собой, а также с классическим коэффициентом корреляции Пирсона. Высказано несколько новых гипотез относительно этих коэффициентов, которые подтверждены полным перебором всех вариантов при некоторых небольших объемах выборки n, для осуществления которого написана компьютерная программа на языке Python.
В работе исследуется колебания упругой балки с переменной толщиной, находящейся в полном контакте с жидкостью (гидроупругие колебания) или при отсутствии жидкости (упругие колебания). Гидроупругие и упругие прогибы балки являются двумерными. Задача рассматривается без демпфирования колебаний и внешнего воздействия. Упругая балка тонкая, конечной длины, и с заданными краевыми условиями. Вычислены моды упругих и гидроупругих колебаний балки в случае линейной и кусочно-линейной толщины.