19 февраля 2025 г. состоялось заседание совместного научного семинара Федерального государственного бюджетного учреждения науки «Санкт-Петербургский Федеральный исследовательский центр Российской академии наук» и Федерального государственного бюджетного научного учреждения «Институт проблем искусственного интеллекта».
Мероприятие было организовано на базе ФГБНУ "ИПИИ" в смешанном формате: очно и через видеоконференцсвязь. Участниками семинара стали представители:
- Федерального государственного бюджетного научного учреждения «Институт проблем искусственного интеллекта» (ФГБНУ "ИПИИ");
- Федерального государственного бюджетного учреждения науки «Санкт-Петербургский Федеральный исследовательский центр Российской академии наук» (СПб ФИЦ РАН);
- Федерального государственного бюджетного образовательного учреждения высшего образования "Донецкий государственный университет" (ФГБОУ ВО «ДонГУ»);
- Федерального государственного бюджетного образовательного учреждения высшего образования "Донецкий национальный технический университет" (ФГБОУ ВО «ДонНТУ»);
- Федеральное государственное бюджетное научное учреждение "ФЕДЕРАЛЬНЫЙ НАУЧНЫЙ ЦЕНТР "КАБАРДИНО-БАЛКАРСКИЙ НАУЧНЫЙ ЦЕНТР РОССИЙСКОЙ АКАДЕМИИ НАУК" (КБНЦ РАН):
- Институт прикладной математики и автоматизации КБНЦ РАН (ИПМА КБНЦ РАН);
- Институт информатики и проблем регионального управления КБНЦ РАН (ИИПРУ КБНЦ РАН).
На семинаре обсуждался доклад научного сотрудника отдела системного анализа и интеллектуальных интерфейсов Дорохиной Галины Владимировны на тему «Обоснование методов иерархического представления множества последовательностей и алгоритмов его обработки».
Последовательности, в том числе последовательности векторов, применимы в любых предметных областях. Последовательности скалярных значений или векторов (ряды) могут быть порождены последовательностями более высокого порядка, например: последовательностями состояний, элементов сложных объектов.
Доклад посвящен применению усовершенствованного trie-дерева в задаче классификации ряда на множестве последовательностей элементов сложных объектов методом динамического программирования. Рассмотрены сферы применения динамического программирования. Показано, что динамическое программирование приспособлено к многошаговым операциям вычисления аддитивных (мультипликативных) мер подобия / различия. Утверждается, что усовершенствованное trie-дерево применимо в задаче классификации ряда на множестве последовательностей элементов сложных объектов методом динамического программирования при использовании таких мер подобия / различия.
Выполнен анализ иерархических представлений множеств последовательностей. Описаны преимущества, которые обеспечивает усовершенствованное trie-дерево по сравнению с традиционными представлениями других сильноветвящихся деревьев. Разработано формальное описание усовершенствованного trie-дерева. Дано пояснение ранее полученным данным о существенном приросте скорости операций добавления и удаления последовательностей в усовершенствованном trie-дереве относительно использования массива с индексной таблицей (24 и 380 раз, соответственно).
Выполнена постановка задачи пофонемного распознавания речевых команд как задачи классификации ряда на множестве последовательностей элементов сложных объектов и изложен метод её решения. Разработан метод классификации ряда на множестве последовательностей элементов сложных объектов с применением усовершенствованного trie-дерева. Он исследован на примере пофонемного распознавания с иерархическим представлением словаря классов речевых команд. В этом методе распознавание речевых команд выполняют в процессе обхода усовершенствованного trie-дерева, хранящего множество транскрипций речевых команд – последовательностей транскрипционных символов, которые обозначают классы звуков. Численные исследования показали, что классификация ряда как последовательности элементов сложных объектов повышает частоту правильной классификации по сравнению с классификацией ряда на множестве рядов, а применение усовершенствованного trie-дерева сокращает затраты времени на классификацию.
