Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
20
Poziom I
Status:
Autorzy: Mamyrbayev Orken, Pavlov Sergii V., Bekarystankyzy Akbayan, Oralbekova Dina, Zhumazhanov Bagashar, Azarova Larysa E., Mussayeva Dinara, Koval Tetiana, Gromaszek Konrad, Issimov Nurdaulet, Shiyapov Kadrzhan
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Strony: 1 - 8
Web of Science® Times Cited: 0
Scopus® Cytowania: 0
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: 20th meeting in the series of National Symposia "Fiber Optics and their Applications"
Skrócona nazwa konferencji: 20th OFTA 2023
URL serii konferencji: LINK
Termin konferencji: 11 września 2023 do 14 września 2023
Miasto konferencji: Lublin
Państwo konferencji: POLSKA
Publikacja OA: NIE
Abstrakty: angielski
Nowadays, speech-processing technologies with different language systems are successfully used in mobile and stationary devices. Kazakh is considered a low-resource language, which poses various challenges for conventional speech recognition methods. This paper presents a proposed model capable of multitasking and handling concurrent speech recognition, dialect identification, and speaker identification, all in an end-to-end framework. The developed multitask model enables training three different tasks within a single model. A multitask recognition system is created based on the WaveNet-CTC model. Experiments show that for the concrete task end-to-end multitask model has better performance than other models.