AUDIO MA'LUMOT DATASETLARI YORDAMIDA SUN'IY NEYRON TARMOQLAR ASOSIDA SHOVQINNI BARTARAF ETISHNING ZAMONAVIY USULLARI (LSTM ALGORITMI MISOLIDA)
Authors/Creators
- 1. Muhammad al-Xorazmiy nomidagi TATU "TRET" kafedrasi assistenti
- 2. Muhammad al-Xorazmiy nomidagi TATU "TRET" kafedrasi mudiri
Description
Mazkur maqolada audio signallarda mavjud bo'lgan shovqinni
bartaraf qilishning zamonaviy usullari, xususan, chuqur o'rganishga asoslangan Long
Short-Term Memory (LSTM) algoritmidan foydalanish imkoniyatlari tadqiq qilingan.
Audio datasetlar yordamida amalga oshirilgan eksperimentlar asosida LSTM
algoritmining samaradorligi an’anaviy filtrlar bilan solishtirib baholandi. Tadqiqot
natijalari LSTM algoritmi shovqinni samarali bartaraf etishda yuqori aniqlik va
barqaror natijalar ko'rsatishini tasdiqladi. Olingan natijalar audio signalni qayta
ishlashda neyron tarmoqlarni qo'llash istiqbollarini kengaytiradi.
Abstract (Russian)
В статье исследуются современные методы шумоподавления
аудиосигналов, в частности возможности использования алгоритма
долговременной краткосрочной памяти (LSTM), основанного на глубоком обучении.На основе экспериментов, проведенных с использованием аудиоданных, была оценена эффективность алгоритма LSTM по сравнению с
традиционными фильтрами. Результаты исследования подтвердили, что
алгоритм LSTM показывает высокую точность и стабильные результаты в
эффективном шумоподавлении. Полученные результаты расширяют
перспективы применения нейронных сетей в обработке аудиосигналов.
Abstract (English)
This article investigates modern methods for noise reduction in audio
signals, in particular, the possibilities of using the Long Short-Term Memory (LSTM)
algorithm based on deep learning. Based on experiments conducted using audio
datasets, the effectiveness of the LSTM algorithm was evaluated in comparison with
traditional filters. The research results confirmed that the LSTM algorithm shows high
accuracy and stable results in effective noise reduction. The obtained results expand
the prospects for the application of neural networks in audio signal processing.
Files
2. Xudoyberganov J.D., Berdiyev A.A. - AUDIO MA'LUMOT DATASETLARI YORDAMIDA SUN'IY NEYRON TARMOQLAR ASOSIDA SHOVQINNI BARTARAF ETISHNING ZAMONAVIY USULLARI.pdf
Files
(659.7 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:c6c39a2eb7b105916d6a9feb79deebc8
|
659.7 kB | Preview Download |
Additional details
Additional titles
- Alternative title (Russian)
- СОВРЕМЕННЫЕ МЕТОДЫ ШУМОПОДАВЛЕНИЯ НА ОСНОВЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ С ИСПОЛЬЗОВАНИЕМ НАБОРОВ АУДИОДАННЫХ (НА ПРИМЕРЕ АЛГОРИТМА LSTM)
- Alternative title (English)
- MODERN METHODS FOR NOISE REDUCTION BASED ON ARTIFICIAL NEURAL NETWORKS USING AUDIO DATA DATASETS (ON EXAMPLE OF LSTM ALGORITHM)
Software
- Repository URL
- https://infocom.uz/magazine/18
- Development Status
- Active
References
- 1. Рахимов Бахтиёржон Неъматович, Худайберганов Ж.Д. Акустическое эхоподавление для развития телекоммуникацийююю Multidisciplinary Scientific Journal "Innovative development in educational activities", volume 2, issue 9, may, 2023, 182-190 p. 2. Raximov B.N., Xudayberganov J.D. Telekonferensaloqa tizimlarida akustik aks-sado va uni yo'qotish filtriga qo'yiladigan talablar
- 3. Raximov B.N., Berdiyev A.A., Xudayberganov J.D. Telekommunikatsiya tizimlarida akustik aks-sado shovqinlarini bartaraf qilishda zamonaviy usullarining qiyosiy tahlili. "Muhammad al-Xorazmiy avlodlari" ilmiy-amaliy va axborot-tahliliy jurnal, № 1 (23), mart 2023, 109-112 betlar. 4. Рахимов Б.Н., Иниятова К. Худайберганов Ж.Д. Улучшение качества речевых сигналов на основе искусственного интеллекта (ИИ). "Zamonaviy sun'iy yo'ldosh multimediya va aloqa tizimlari" mavzusidagi xalqaro anjuman 2023 yil 24 25 oktyabr. 5. Raximov B.N., Berdiyev A.A., Khudayberganov J.D. Modeling an Acoustic Noise Cancellation Filter Based on the Raspberry Pi 4B Model. 2024 International Conference on Information Science and Communications Technologies (ICISCT), Kookmin University, Republic of Korea, November 7–8, 2024. 6. Haohan Shi, Xiyu Shi and Safak Dogan. Speech Inpainting Based on Multi Layer Long Short-Term Memory Networks. MDPI Future Internet 2024, 16, 63. https://doi.org/10.3390/fi16020063. 7. Marvin Coto-Jiménez. Improving Post-Filtering of Artificial Speech Using Pre-Trained LSTM Neural Networks. MDPI Biomimetics 2019, 4, 39; doi:10.3390/biomimetics4020039.