Рыженко С.В., Поддубский А.А., Михайлов Д.С. «Способы и средства обеспечения гарантированного размыкания цепей (линий) оборудования, обладающего акустоэлектрическими преобразованиями (микрофонным эффектом)» Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки, № 2, с. 55-67 (2023)

Рассмотрены основные существующие сертифицированные средства обеспечения защищенности акустической речевой информации, циркулирующей в защищаемом помещении. Проведен анализ их применимости в современных вспомогательных технических средствах для защиты по визуальному и акустоэлектрическому каналам утечки информации. Предложены технические решения для оснащения цифровых устройств, имеющих в своем составе динамики, микрофоны и web-камеры. Рассмотрен параметр оценки эффективности средств гарантированного размыкания, формулы его расчета и порядок проведения измерений.

Рыжков А.П., Катков О.Н., Сафронова Н.А. «Алгоритмы кодирования и декодирования речевого сигнала на основе взаимозависимых кодовых книг» Нелинейный мир, 21, № 3, с. 5-15 (2023)

Постановка проблемы. На сегодняшний день совершенствование систем кодирования/декодирования (кодеки) речевого сигнала (РС), основанных на методе предсказания с возбуждением от кода, является актуальной задачей, что обусловлено их активным использованием в сфере инфокоммуникаций, в частности, для низкоскоростной передачи речи. Характерные особенности таких кодеков – кодовые книги, содержащие элементы декомпозиции РС на этапе анализа. Поскольку существующий уровень развития систем не предполагает кодирования речи с учетом взаимной связи указанных элементов, это, в свою очередь, не позволяет реализовать преимущества векторного квантования при кодировании РС. Цель. Разработать систему и алгоритмы кодирования/декодирования РС, учитывающие взаимозависимости сигналов возбуждения и параметров, описывающих передаточную функцию голосового тракта, а также представить реализацию кодовых книг на основе нейросетевых технологий с предварительной классификацией сегментов РС. Результаты. Разработан алгоритм классификации сегментов активной речи, который обеспечивает возможность использования нейросетевого векторного квантования элементов декомпозиции при кодировании РС. Для обеспечения высокой скорости обучения и поиска в кодовых книгах элементов декомпозиции использованы нейронные сети радиальных базисных функций. Представлены алгоритмы кодирования/декодирования для постоянной скорости передачи уменьшение числа бит, назначаемых для представления вектора сигнала возбуждения, и снижение скорости передачи, что обуславливается учетом взаимосвязей элементов декомпозиции. Проверка разработанных алгоритмов подтвердила их соответствие предъявляемым к ним требованиям и возможность реализации на современной элементной базе при модернизации и разработке перспективных комплексов обработки РС. Практическая значимость. Предложенные алгоритмы можно использовать в системах низкоскоростной передачи и обработки РС при достаточном качестве синтезированной речи.

Менциев А.У., Ткаченко А.Л., Зарипова Р.С. «Обзор обработки естественного языка для анализа тональности: систематический подход к анализу тональности в текстовых данных» Приборы и системы. Управление, контроль, диагностика, № 10, с. 8-13 (2023)

Исследование посвящено анализу настроений в текстовых данных с использованием методов обработки естественного языка. Анализ настроений является важным инструментом для понимания и интерпретации эмоционального содержания, выраженного в тексте. В рамках данного исследования было проведено исследование настроений на основе отзывов клиентов и оценок продукта на платформе Ozon. В работе был представлен подход, основанный на модели VADER NLTK, которая предоставляет простой и эффективный способ анализа настроений. Также, в исследовании была рассмотрена современная модель ROBERTA от Hugging Face, основанная на архитектуре преобразователей, которая позволяет получить более точные результаты анализа настроений. Результаты исследования подтверждают, что оба подхода обладают высокой эффективностью в анализе настроений в отзывах клиентов на платформе Ozon. Они могут быть использованы для автоматической классификации и анализа настроений, что является ценным инструментом для компаний в понимании мнений и предпочтений своих клиентов. Ключевые слова: обработка естественного языка, анализ настроений, текстовые данные, машинное обучение, глубокое обучение.