Адаптивна система корекції вад мови в реальному часі

Розглянуто основні поняття та здійснили огляд звуку у цифровому представленні. Порівняно характеристики звуку та їх вплив на машине навчання на кореляцію із заїканням. Проаналізовано та порівняно методи які вирішують проблему класифікації звуку. Вибравши найкращий метод класифікації ми дослідили структуру згорткової моделі нейронної мережі, та її модифікацію із рекурентними шарами. Після аналізу та поставленні експериментів над гіперпараметрами, ми досягли точності класифікації у 93 відсотка. Це також потребувало експериментів над пропорцією та розмірністтю даних для навчання. Найкращий результат показав датасет із сегментів по одній секунді та пропорцією із 25% заїкання та 75% мови без заїкання. Модель яку ми розробили, ми порівняли із іншими відомими моделями класифікації звуку, такими як SVM, CNN, HMM та RNN. Наша модель показала найкращі результати. Отримавши модель яка може розпізнавати заїкання у вигляді повторення звуків, ми спроектували на розробили програму, яка використовує цю модель для розпізнавання звуку у реальному часі.

Пелипенко І. Г. Адаптивна система корекції вад мови в реальному часі : випускна кваліфікаційна магістерська робота : 121 Інженерія програмного забезпечення / Пелипенко Ілля Григорович. - Київ, 2022. - 71 с.