Цели. Целями работы являются исследование ограниченности применения классических подходов генерирования тестовых наборов для управляемых вероятностных тестов, основанных на перечислении кандидатов в тестовые наборы путем их одномерного масштабирования, а также решение задачи построения управляемых вероятностных тестов на основе итерационного метода двухмерного масштабирования исходных шаблонов. Главной целью настоящей статьи является разработка метода построения тестов на базе исходных шаблонов и их расширения до требуемых разрядности и количества тестовых наборов с помощью применения итерационной процедуры.

Методы. Для двухмерного масштабирования исходных шаблонов с заданными характеристиками используются масштабирующие матрицы, которыми, так же как и шаблоны, могут быть управляемые вероятностные тесты. При проведении экспериментальных исследований применялся метод статистических испытаний.

Результаты. Показано, что методы построения управляемых вероятностных тестов, основанные на использовании шаблонов, можно рассматривать как процедуру масштабирования управляемых вероятностных тестов до требуемой их разрядности. Для построения искомых тестов применяются как шаблоны, характеризующиеся минимальной разрядностью тестовых наборов, так и любые управляемые вероятностные тесты. Подобная процедура позволяет увеличивать разрядность тестовых наборов, но сохраняет их количество. Одновременное увеличение разрядности наборов и их количества достигается с помощью предлагаемого подхода, основанного на итерационном двухмерном масштабировании шаблонов с применением масштабирующих матриц. В этом случае результирующие управляемые вероятностные тесты формируются без использования трудоемкой процедуры перечисления кандидатов в тестовые наборы и вычисления для них значений меры (мер) различия. Приведены зависимости основных характеристик результирующего управляемого вероятностного теста от характеристик шаблона и масштабирующей матрицы, которая, так же как и шаблон, может представлять собой управляемый вероятностный тест. Доказано утверждение, которое определяет зависимость характеристик теста, формируемого на k-й итерации, от значений характеристик теста, полученного на (k–1)-й итерации, и масштабирующего теста. Представлены практически полезные следствия и свойства тестов, построенных на основании предложенной процедуры. Работоспособность и эффективность итерационного метода построения управляемых вероятностных тестов оценены для случая двоичных тестовых наборов. Показано, что управляемые вероятностные тесты, построенные с применением рассмотренной процедуры, имеют заметно большие значения расстояний Хэмминга по сравнению с вероятностными тестами.

Заключение. Рассмотрен итерационный метод формирования управляемых вероятностных тестов путем их двухмерного масштабирования. Основой предложенного метода является использование исходных шаблонов и масштабирующих матриц, которые представляют собой управляемые вероятностные тесты с малым количеством тестовых наборов и небольшой их разрядностью. Показано, что использование различных шаблонов и их двухмерного масштабирования позволяет строить управляемые вероятностные тесты с требуемой разрядностью тестовых наборов и бо́льшим их количеством.

Цели. Работа выполнена в области исследования специализированных генеративных нейронных сетей для белорусского языка. Поставлена цель сделать первый шаг для построения национальной генеративной языковой модели.

Методы. Описывается процесс разработки модели BelLitGPT (700 млн параметров), который основан на стратегии трансферного обучения русскоязычной модели ruGPT-3 и состоит из трех этапов: подготовки корпуса, адаптации токенизатора и обучения модели. Обучающий корпус составлен из золотого фонда классической белорусской прозы и подготовленных статей из Википедии. Подробно описываются методика адаптации токенизатора для расширения словарного запаса специфическими белорусскими лексемами, процесс обучения и тестирования модели.

Результаты. Результаты исследования подтверждают способность модели BelLitGPT генерировать связные, грамматически и стилистически корректные тексты. Особое внимание уделено созданию гибридного нейросимвольного подхода для генерации четверостиший с соблюдением ритма и рифмы.

Заключение. Эксперимент по масштабированию архитектуры показал сложности в обучении крупной модели (13 млрд параметров) в условиях дефицита данных.

Цели. Современные беспроводные mesh-сети предъявляют высокие требования к адаптивности протоколов маршрутизации. Стандартные алгоритмы не всегда способны обеспечить требуемое качество обслуживания (QoS) из-за изменчивости таких параметров, как отношение сигнал/шум, загрузка канала и мобильность узлов.

Методы. Предлагается метод многокритериальной маршрутизации, использующий интегральный критерий качества обслуживания в модифицированном алгоритме Дейкстры.

Результаты. Исследованы результаты маршрутизации в схеме из восьми узлов и в схеме с четырьмя кластерами из пяти устройств. Предложен механизм снижения вероятности ложного отбрасывания маршрута в методе многокритериальной маршрутизации.

Заключение. Разработан итерационный алгоритм настройки весовых коэффициентов, который в сочетании с минимаксным критерием позволяет исключать ложные решения об отсутствии QoS-осуществимого маршрута и получать приемлемые решения для разных профилей трафика. Разработаны двухуровневый подход и алгоритм маршрутизации в кластеризованной сети, обеспечивающие снижение вычислительной сложности и локализацию перерасчета маршрутов при изменении состояния сети – качества радиоканалов или энергосостояния узлов.

Цели. Решается задача разработки метода повышения пространственного разрешения амбисонического звука на основе разреженного МДКП-представления (МДКП – модифицированное дискретное косинусное преобразование), позволяющего улучшить эффективность существующих подходов представления пространственного звука в цифровом виде.

Методы. Предлагаемый подход основан на временно-частотной декомпозиции аудиосигнала с последующим извлечением направленной плоской волны из каждой частотной составляющей. Данный подход развивает основные идеи методов разложения на плоские волны с высоким разрешением (HARPEX) и аудиокодирования с учетом направления прихода звука, используя преимущества вещественной разреженной декомпозиции.

Результаты. Метод повышения пространственного разрешения амбисонического звука предполагает использование вещественных частотных компонентов, что, в отличие от комплексных, обеспечивает более простую и устойчивую оценку направления прихода звука. Разреженная декомпозиция позволяет реализовать точный и унифицированный подход к описанию звуков различной природы – от транзиентных до тоновых.

Заключение. Практические результаты подтверждают применимость предложенного метода для обработки аудио с повышением разрешения вплоть до амбисоники седьмого порядка. Основным недостатком метода является его сравнительно с другими методами высокая вычислительная сложность, что, однако, некритично для приложений, которые не требуют обработки в реальном времени.

Цели. Целью исследования является повышение точности распознавания эмоций по речевому сигналу с помощью моделей на основе рекуррентных нейронных сетей (РНС) с долгой краткосрочной памятью.

Методы. В работе предложен мультивекторный механизм внимания для РНС на основе ячеек LSTM. Данный механизм представляет собой обобщение классического мягкого внимания и позволяет модели одновременно анализировать различные аспекты временны́ х зависимостей. Предложенные архитектуры РНС применены к задаче распознавания эмоций по речевому сигналу. В качестве входных данных использовались последовательности мел-частотных кепстральных коэффициентов, отражающих частотно-временную структуру речевого сигнала. Эксперименты проводились на общедоступном наборе данных RAVDESS. Для автоматизированного подбора оптимальных гиперпараметров моделей использовался метод байесовской оптимизации.

Результаты. Результаты экспериментов с LSTM-сетями, имеющими различную размерность скрытого состояния (64, 96, 128), показывают, что применение мультивекторного механизма внимания приводит к статистически значимому улучшению среднего значения точности на величину от 0,88 до 1,56 %.

Заключение. Полученные результаты подтверждают целесообразность использования предложенного механизма мультивекторного внимания в архитектурах LSTM-сетей для задачи классификации эмоций в речи.

Цели. Тональность как положительно-отрицательное настроение – ключевой параметр алгоритмов анализа и генерации текстов. Существующие методы машинного обучения кодируют ее вычислительно трудоемким и неинтерпретируемым образом, что затрудняет развитие этого направления. Целью работы является решение данных проблем для русского языка.

Методы. Используются предобученные векторные языковые модели, кодирующие слова векторами в многомерных пространствах. В таких пространствах тональность соответствует направлению, наилучшим образом разделяющему положительный и отрицательный прототипы. Тональность слова определяется его проекцией на это направление. Добавление тонального вектора к ключевому слову задает одномерное пространство, позволяющее находить в языковой модели его положительные и отрицательные ассоциации.

Результаты. Алгоритм апробирован на машинных моделях семейств GloVe и FastText, кодирующих отдельные слова и морфемы русского языка векторами в 300-мерном пространстве. В качестве ключевых слов использовались частоупотребимые глаголы и существительные. Средняя достоверность найденных тональных ассоциаций составила 80 %.

Заключение. Результаты свидетельствуют о применимости предобученных векторных языковых моделей для быстрой и интерпретируемой работы с тональной информацией. Разработанный подход востребован в задачах объектно-ориентированного сентимент-анализа, а также в задачах машинной генерации объектно-ориентированных текстов нужной тональности. Обобщение тональной оси до тройки семантических факторов Осгуда позволяет расширить представленный метод для работы с полным спектром эмоционально-смысловой информации.