Блоги НОК CLAIM

Ограничения ознакомительной версии AnyLogic вынудили искать новые способы для демонстрации своей модели. Одно из таких решений — сервис RunTheModel.com. Данный сайт позволяет демонстрировать модель .alp на компьютерах, не имеющих установленного AnyLogic, необходимым условием является лишь наличие браузера и доступа в Интернет. Данный сервис может оказаться очень полезным в случае, если результаты проектирования придется демонстрировать не на личном компьютере.

Пример загруженной модели собственного авторства на сервисе RunTheModel можно посмотреть здесь.

Установил бесплатный триал программы для моделирования AnyLogic 6. С университетской версией по-прежнему ничего не ясно, прислали ключ от бесплатного пробника на 30 дней. Попробовал, в целом — нравится. Из замеченных ограничений — максимальное время моделирования для бесплатной версии равняется 60 минутам.

Сделал модель входа в горнолыжный центр. Вход-Кассы-Турникеты-Выход. Оказалось довольно просто освоить, да и наглядность, конечно, в разы превышает просмотр текстовой статистики GPSS, такой продукт можно сделать красивым и более привлекательным для презентации и выступления. Думаю продолжать работу с этим продуктом.

Получены новые результаты. Создана программа «Voice Commander» для управления компьютером. Подробнее в блоге Александра Рогачева на странице «Научный проект».

В последнее время, меня заинтересовала тема простых чисел. Я провел небольшое исследование, и у меня появились некоторые идеи относительно распределения простых чисел на числовой оси. И на их основе я доказал гипотезу Лежандра (третью проблему Ландау), которая гласит что для всякого натурального числа n между  n²  и (n + 1)²  всегда найдётся простое число.

Данные идеи вместе с доказательством представлены в докладе.

http://blogs.it-claim.ru/ekolesnikov/files/2012/04/doklad.pdf

25 января 2012 в рамках Королевских чтений в МГТУ им. Н.Э. Баумана удалось посетить доклад космонавта Лазуткина Александра Ивановича. Он отметил, что сейчас у подрастающего поколения потеряно чувство патриотизма, довольно много людей стремятся уехать работать и учиться в другие страны. Поэтому вопрос актуальности новых образовательных программ стоит особенно остро. Александр Иванович представил около 10 различных программ, которые так или иначе связанны с космонавтикой, но в целом имеют широкую направленность, помогают познавать мир, представляют многие области знаний, из которых школьники могут выбрать лучшее для себя.

Так как одной встречи мало для того, чтобы зажечь юные сердца, предложенные курсы длятся неделю или больше. Некоторые из них направлены на старших школьников и взрослых, а некоторые на учащихся начальной школы. Например, проект «Планета X» представляет собой игру, когда дети как будто бы высаживаются на новой до этого неизведанной планете и начинают проводить разнообразные опыты и эксперименты, которые помогают изучить различные законы природы. Таким образом, детишки смотрят на Землю глазами инопланетян 🙂 .

Также было отмечено, что смоделировать полет в космосе в настоящее время можно без проблем. Как признается космонавт,  он сам иногда не мог понять летит он или нет — все, даже вид из иллюминатора, было в точности таким же, как на тренировках. Испытать эти ощущения «просто так» не так интересно по сравнению с тем, когда ты знаешь как именно все работает. Поэтому необходимо организовывать именно образовательные программы, в рамках которых будут проводиться занятия по обучению управлению кораблем и другие. При этом важно, чтобы от каждого из участников зависел успех полета. Каждый должен чувствовать ответственность и последствия своих действий или бездействия. Для сравнения был приведен пример организации имитации полета на космическом корабле в США, где приборная панель представляла собой муляж – кнопки не были ни к чему подсоединены, модель взлетала и приземлялась благополучно вне зависимости от того была ли выполнена инструкция или нет.

Для проведения образовательных программ предлагается использовать Мемориальный музей космонавтики, а также специальные космоцентры.

В качестве доказательства эффективности такого рода программ было приведено несколько примеров, когда неисправимые хулиганы настолько были зачарованы магией космоса, что полностью менялись за время пребывания в летнем лагере и продолжали исследования в области космонавтики дальше.

P.S. При подготовке этой заметки удалось найти интервью, опубликованное в журнале Компьютерра 11 января 2012 года http://www.computerra.ru/interactive/654518/ . В нем Александр Иванович также подчеркивает необходимость проведения различных мероприятий с учащимися школ, формирования у подрастающего поколения широкого кругозора. При этом важно давать им больше инженерные знания, а не бизнес-навыки без поддержки фундаментом необходимых знаний.

Глаголица — одна из двух славянских азбук. Изобретена славянским просветителем Кириллом около IX в. Алфавитный порядок букв, графонимы, а также способы, образования лигатур глаголицы почти аналогичны кириллической традиции. Существовали два основных извода глаголицы – округлый, распространенный в Болгарии и более поздний угловатый, употребляемый в Хорватии.

Необходимо выделить отличительные особенности написания текстов на болгарской глаголице и на основе результатов сформировать требования к системе распознавания.

Отличительные особенности:

1. Редкое употребление линейных элементов и более широкое применение окружностей. В отличие от кириллицы буквы глаголицы более вычурны и имеют преимущественно замкнутые очертания.
2. Декоративные росчерки и буквица.
3. Варьируемость начертания.
4. Дефекты.
5. Искривления линии слова.

Требования к системе распознавания:

• Система должна уметь отсекать не значимую информацию чтобы она не мешала процессу распознавания.
• Система должна корректно распознавать текст на основе неполной информации.
• Система должна уметь самообучаться, процесс обучения системы должен быть максимально упрощен.

В основе технологии распознавания предполагается использовать нейро-сетевую модель. Это связано с тем, что с использованием нейронных сетей успешно решаются разнообразные «нечеткие» задачи распознавание образов, речи, рукописного текста, выявление закономерностей, классификация, прогнозирование. В таких задачах, где традиционные технологии бессильны, нейронные сети часто выступают как единственная эффективная методика решения.

Речевое общение является естественным и удобным для человека. Задача распознавания речи состоит в том, что бы убрать посредника в общении человека и компьютера. Управление машиной голосом в реальном времени, а также ввод информации посредством человеческой речи намного упростит жизнь современного человека. Научить машину понимать без посредника тот язык, на котором говорят между собой люди – задача распознавания речи.

Все системы распознавания речи можно разделить на два класса:

Системы, зависимые от диктора — настраиваются на речь диктора в процессе обучения. Для работы с другим диктором такие системы требуют полной перенастройки.

Системы, независимые от диктора — работа которых не зависит от диктора. Такие системы не требуют предварительного обучения и способны распознавать речь любого диктора.

Изначально на рынке появились системы первого вида. В них звуковой образ команды хранился в виде целостного эталона. Для сравнения неизвестного произнесения и эталона команды использовались методы динамического программирования. Эти системы хорошо работали при распознавании небольших наборов из 10-30 команд и понимали только одного диктора. Для работы с другим диктором эти системы требовали полной перенастройки.

Для того чтобы понимать слитную речь, необходимо было перейти к словарям гораздо больших размеров, от нескольких десятков до сотен тысяч слов. Методы, использовавшиеся в системах первого вида, не подходили для решения этой задачи, так как просто невозможно создать эталоны для такого количества слов.

Кроме этого, существовало желание сделать систему, не зависящую от диктора. Это весьма сложная задача, поскольку у каждого человека индивидуальная манера произнесения: темп речи, тембр голоса, особенности произношения. Такие различия называются вариативностью речи. Чтобы ее учесть, были предложены новые статистические методы, опирающиеся в основном на математические аппараты Скрытых Марковских Моделей (СММ) или Искусственных Нейронных сетей. Наилучшие результаты достигнуты при комбинировании этих двух методов. Вместо создания эталонов для каждого слова, создаются эталоны отдельных звуков, из которых состоят слова, так называемые акустические модели. Акустические модели формируются путём статистической обработки больших речевых баз данных, содержащих записи речи сотен людей. В существующих системах распознавания речи используются два принципиально разных подхода:

Распознавание голосовых меток — распознавание фрагментов речи по заранее записанному образцу. Этот подход широко используется в относительно простых системах, предназначенных для исполнения заранее записанных речевых команд.

Распознавание лексических элементов — выделение из речи простейших лексических элементов, таких как фонемы и аллофоны. Этот подход пригоден для создания систем диктовки текста, в которых происходит полное преобразование произнесенных звуков в текст.

Создание систем распознавания речи представляет собой чрезвычайно сложную задачу. Особенно трудно распознать русский язык, имеющий множество особенностей. На данный момент широко известна такая программа, как «SIRI», широко используемая в продукции компании «Apple». Данная разработка создана для английского языка. 

 Также имеют популярность программы, используемые в поисковых системах «Google», «Yandex».

Источники:

Сайт http://www.speetech.by

Фролов — Синтез и распознавание речи. Современные решения

Добавлена небольшая часть информации о научном проекте !