Работы автора

Изменение голосовых характеристик человека под воздействием алкогольного опьянения отрицательно влияет на эффективность процедуры распознавания личности по голосу. Поэтому определение уровня алкоголя в крови дистанционно позволяет не только выявить факт нахождения субъекта в измененном психофизиологическом состоянии, но и дает возможность скорректировать настройки алгоритма принятия решений для повышения надежности голосовой аутентификации. Целью работы является анализ существующих научных работ и результатов в области оценки уровня алкогольной интоксикации по голосу, анализ наборов данных, позволяющих обучить модели искусственного интеллекта выявлять факт опьянения, а также анализ факторов влияния психофизиологического состояния диктора на параметры его речи. Исследование включает сравнительный анализ научных работ из таких баз как Scopus, Web of Science, ВАК и учитывает такие факторы, как пол, возраст, стадии алкогольного опьянения, качество записи и уровень окружающего шума. По итогу анализа научных публикаций, исследование определяет метод случайного леса как один из наиболее эффективных методов машинного обучения, демонстрируя точность 95.3% по проприетарным наборам речевых данных и 80% для широко используемого алкогольного языкового корпуса.

Проведено аналитическое исследование проблемы предупреждения аварийных ситуаций и предиктивной диагностики оборудования при добыче углеводородов на нефтегазовых месторождениях, а также способов решения данной проблемы путем использования искусственного интеллекта, основанного на глубоких нейронных сетях. Одним из ключевых факторов, сдерживающих развитие систем предиктивной диагностики оборудования, является недостаток данных, описывающих предаварийные ситуации, которые необходимы для качественного обучения нейросетевых моделей. Приводится обзор публикаций и исследований последних лет по тематике анализа телеметрических данных и распознавания аварийных ситуаций. Рассматриваются нейросетевые модели, которые могут быть использованы для прогнозирования выхода из строя насосно-компрессорного оборудования и других агрегатов. Изучены случаи применения нейросетевых моделей, специально обученных для решения данной задачи, а также нейросетевые модели, используемые в иных задачах, но анализирующие схожие структуры данных. Поднимается вопрос переноса обучения, чтобы адаптировать нейросетевые модели, изначально разработанные и обученные для других областей, к использованию в рассматриваемой области, в целях уменьшения объема выборки при обучении промышленного искусственного интеллекта. Проведено сравнение достигнутых результатов, обозначены преимущества и недостатки существующих технических решений.