Қазақ ұлттық қыздар педагогикалық университеті / Казахский национальный женский педагогический университет

Постоянный URI для этого сообществаhttps://cris.qyzpu.kz/handle/123456789/1

Просмотр

Фильтры

2021 - 20254

Настройки

Тип доступа: НеизвестноТема: search.filters.subject.computational efficiency

Результаты поиска

Показано: 1 - 4 из 4
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    Algorithms and architectures of speech recognition systems
    (2021-02-20)
    Nurbapa Mekebayev
    Digital processing of speech signal and the voice recognition algorithm is very important for fast and accurate automatic scoring of the recognition technology. A voice is a signal of infinite information. The direct analysis and synthesis of a complex speech signal is due to the fact that the information is contained in the signal. Speech is the most natural way of communicating people. The task of speech recognition is to convert speech into a sequence of words using a computer program. This article presents an algorithm of extracting MFCC for speech recognition. The MFCC algorithm reduces the processing power by 53% compared to the conventional algorithm. Automatic speech recognition using Matlab.
    Цитирования (OpenAlex) 1
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    АКУСТИКАДАҒЫ НЕМЕСЕ ЭЛЕКТРОДИНАМИКАДАҒЫ ГЕЛЬМГОЛЬЦ ТЕҢДЕУІН ЗЕРТТЕУ ҮШІН ПАРАЛЛЕЛЬ ЕСЕПТЕУЛЕРДІ ҚОЛДАНУ
    (Mukhametzhan Tynyshbayev ALT University, 2024-04-29)
    Omirlan Auelbekov
    ;
    Кайрат Есентаев
    ;
    Назгуль Маметжанова
    Бұл мақалада Гельмгольц акустика немесе электродинамика мәселелерін талдау үшін параллель программалауды қолдануды қарастыратын боламыз. Гельмгольц теңдеулері акустикада, оптикада және басқа салаларда маңызды рөл атқарады, бұл толқындардың таралуын модельдеуге мүмкіндік береді. Электродинамика мәселелері электромагниттік өрістер мен толқындық процестерді талдау үшін инженерияда, электроникада және басқа да көптеген салаларда кеңінен қолданылады. Бұл мақала осы есептерді шешудің тиімділігін жақсарту үшін параллельді программалауды қолдануға бағытталған. Гельмгольц теңдеуінің акустика немесе электродинамика есептерін шешудің қолданыстағы әдістерін қарастыруды, сондай-ақ біз әзірлеген параллель алгоритмдер мен шешімдердің өнімділігі мен дәлдігін жақсартуға бағытталған эксперименттердің нәтижелерін ұсынуды жоспарлап отырмыз.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    СҰЙЫҚТЫҚ АҒЫНЫН ЕСЕПТЕУДЕ САНДЫҚ ӘДІСТЕР МЕН ЖАСАНДЫ ИНТЕЛЛЕКТТІ ҚОЛДАНУ
    (2024-12-01)
    L. Tukenova
    ;
    Omirlan Auelbekov
    ;
    B. K. Abduraimova
    ;
    Saya Sapakova
    ;
    А.А. Саметова
    Бұл зерттеу бастапқы және шеткі шарттары көрсетілген тікбұрышты аймақтағы сығылмайтын сұйықтық ағынын модельдеу міндеттеріндегі соңғыайырмашылықтардың сандық әдісін жақсарту үшінжасанды интеллектті қолдануға арналған. Сандық әдістер гидродинамика мәселелерін шешу үшін кеңінен қолданылады, бірақ мұндай әдістердің дәлдігі мен тиімділігін машиналық оқыту және нейрондық желілер сияқты жасанды интеллект әдістерін қолдану арқылы жақсартуға болады. Бұл зерттеу тікбұрышты аймақтағы сұйықтық ағынын дәлірек және тиімді модельдеу үшін жасанды интеллект әдістерімен соңғыайырмашылықтардың комбинациясын ұсынады. Нәтижелер жасанды интеллект арқылы жетілдірілген сандық әдістер сұйықтық ағынының әрекетін жылдамырақ және дәлірек модельдеуді қамтамасыз ете отырып, күрделі гидродинамикалық есептерді шешудің тиімділігі мен сенімділігін арттыратынын көрсетеді. Зерттеу жасанды интеллекттің классикалық сандық әдістердіжетілдірудегі әлеуетін көрсетеді, бұл тіпті есептеу ресурстары шектеулі болса да, сұйықтық ағынының дәлірек үлгілерін жасауға мүмкіндік береді. Бұл жұмыстың жаңалығы машиналық оқытудың дәстүрліәдістерден асып түсетін адаптивті тәсіл болып табылатын соңғыайырмашылық әдісіменнақты интеграциясында жатыр. Бұл интеграция күрделі гидродинамикалық сценарийлермен жұмыс істеудің жаңа мүмкіндіктерін ашады. Зерттеу нәтижелері әртүрлі инженерлік қосымшалардағы сұйықтық ағындарын модельдеудің дәлірек және тиімді әдістерін жасау үшін пайдалы.
  • Загрузка...
    Изображение-миниатюра
    Некоторые метрики заблокированы вашими 
    настройками согласия
    Тип записи:Публикация,
    Research of the Finite Difference Numerical Method Using Artificial Intelligence for Solving Problems of Incompressible Fluid Flow in a Rectangular Domain with Initial and Boundary Conditions
    (2025-01-01)
    Lyailya Tukenova
    ;
    Omirlan Auelbekov
    ;
    S. Sapakova
    ;
    Bayan Abduraimova
    ;
    Ж. Р. Уалиев
    This study explores the enhancement of the finite difference method using artificial intelligence (AI) to model incompressible fluid flow within a rectangular domain.Accurate and efficient modeling of incompressible flows is crucial in hydrodynamics and aerodynamics, where traditional numerical methods like finite difference often face limitations in accuracy and computational speed, especially for complex problems with varied initial and boundary conditions.By integrating AI techniques such as neural networks and machine learning, this approach enables adaptive parameter selection, optimizing the calculation process, improving accuracy, and reducing computational demands.The combined finite difference and AI approach demonstrated significantly reduced computational complexity and improved accuracy, as verified across multiple test cases with different boundary conditions.Results indicate that AI-enhanced numerical methods improve the efficiency and reliability of solutions for complex hydrodynamic problems, offering faster, more precise modeling of fluid flow behaviors.The study highlights the potential of AI to enhance classical numerical methods, enabling the development of more accurate fluid flow models even with limited computational resources.The novelty of this work lies in the specific integration of machine learning with the finite difference method, presenting an adaptive approach that extends beyond traditional techniques.This integration opens up new possibilities for handling complex fluid dynamics scenarios, expanding the applications of numerical methods in scientific and engineering calculations.