The object of research, development or design (in Russian) : модель глубокого обучения для классификации чрезвычайных ситуаций на основе аудиоданных

The object of research, development or design (in Kazakh) : төтенше оқиғаларды аудио деректер негізінде анықтауға және классификациялауға арналған терең оқыту моделі

Aim of work (in Russian) : обучение модели глубокого обучения, используемой в общественных местах и системах, предназначенных для обеспечения безопасности внутри здания. Указанная модель обнаруживает восемь классов чрезвычайных событии, обрабатывая аудиоданные.

Aim of work (in Kazakh) : қоғамдық орындарда және ғимарат ішіндегі қауіпсіздікті қамтамасыз етуге арналған жүйелерде қолданылатын терең оқыту моделін оқыту

Методы исследования (на русском) : выполняется сбор по соответствующим классам и предварительная обработка (preprocessing) аудиоданных, описывающие чрезвычайные ситуации, подавление шума и уменьшение размера аудиоданных, извлечение меток (features) из аудиоданных, обучение и тестирование модели глубокого обучения.

Методы исследования (на казахском) : төтенше жағдайларды сипаттайтын класстар бойынша аудио дерекқор (dataset) жинақтау және аудио деректерге алдын-ала өңдеуді (preprocessing), шуылды басу және аудиодеректердің өлшемін азайту, аудиодеректерден белгілерді (features) алу, терең оқыту моделін оқыту және тестілеу орындалады

Obtained results and novelty (in Russian) : создание модели глубокого обучения для классификации чрезвычайных ситуаций. Разработана архитектура гибридной нейронной сети CNN-BiLSTM для обработки аудиоданных. Высокая точность обработки долгосрочных и краткосрочных данных была получена с использованием комбинации CNN-BiLSTM.

Obtained results and novelty (in Kazakh) : төтенше жағдайларды классификациялауға арналған терең оқыту моделін құрылды. Аудиодеректерді өңдеуге арналған CNN-BiLSTM гибридті нейрондық желі архитектурасы жасалды. CNN-BiLSTM комбинациясын пайдалану арқылы ұзақ- және қысқа мерзімді мәліметтерді өңдеудің жоғары нақтылығы алынды

The main constructive and technical economic indicators (in Russian) : Гибридная модель состоит из CNN для извлечения пространственных признаков звуковых данных и BiLSTM для анализа временных зависимостей. Платформа для реализации: keras. Используемые данные: собранный датасет по восьми классам. Общее число аудиофайлов в датасет - 100000. Точность классификации: 83-95%

The main constructive and technical economic indicators (in Kazakh) : Гибридті модель дыбыстық деректердің кеңістіктік белгілерін алу үшін CNN-ден және уақытқа тәуелділікті талдау үшін BiLSTM-ден тұрады. Іске асыру платформасы: keras. Пайдаланылған деректер: сегіз класс бойынша жиналған деректер жиынтығы. Деректер жиынтығындағы аудио файлдардың жалпы саны-100000. Жіктеу дәлдігі: 83-95%

Level of implementation (in Russian) : опытная апробация

Level of implementation (in Kazakh) : тәжірибелік тестілеу

Efficiency (in Russian) : Автоматизация процессов мониторинга звуковых событий уменьшает затраты на человеческие ресурсы в системах безопасности. Модель может сократить время обнаружения чрезвычайных ситуаций и повысить оперативность реагирования, что положительно скажется на снижении ущерба. Возможность масштабирования: Разработанная модель может быть интегрирована в системы видеонаблюдения и мониторинга

Efficiency (in Kazakh) : Дыбыстық оқиғаларды бақылау процестерін автоматтандыру қауіпсіздік жүйелеріндегі адам ресурстарының шығынын азайтады. Модель төтенше жағдайларды анықтау уақытын қысқартып, жедел әрекет етуге мүмкіндік береді, қауіпті азайтуға оң әсер етеді. Оқытылған модельді бейнебақылау және бақылау жүйелерімен интеграциялауға болады.

Field of application (in Russian) : Предлагаемая база данных может использоваться при обучении модели для обнаружения чрезвычайных ситуаций. Модель, основанная на предлагаемой архитектуре CNN-BiLSTM, может использоваться в общественных местах и инфраструктурах для обеспечения безопасности.

Field of application (in Kazakh) : Қоғамдық орындардағы қауіпсіздікті қамтамасыз ету; дыбыстар негізінде оқиғаларды анықтауға арналған терең оқыту моделін зерттеу саласы