The object of research, development or design (in Russian) : Объектом исследования является речевой сигнал на естественном языке и методы машинного самообучения, применяемые для его анализа и распознавания.

The object of research, development or design (in Kazakh) : Зерттеу объектісі табиғи тілдегі дыбыстық сигналды және оны талдау мен тану үшін қолданылатын машиналық өзін-өзі оқыту (self-learning) әдістерін зерттеу.

Aim of work (in Russian) : Целью данной работы является разработка комплекса алгоритмов позволяющих извлекать разноуровневую полезную информацию о структуре необработанного (сырого) речевого сигнала на неизвестном языке c использованием методов самообучения.

Aim of work (in Kazakh) : Жұмыстың мақсаты - өзін-өзі оқыту әдістерін қолдана отырып, белгісіз тілдегі өңделмеген дыбыстық сигналының құрылымы туралы мулти деңгейлі пайдалы ақпаратты алатын алгоритмдер жасау.

Методы исследования (на русском) : Для достижения цели и решения задач исследования на каждом этапе работ применялись различные методы и подходы, такие как: цифровая обработка сигналов, методы распознавания образов, компьютерная лингвистика, машинное обучение.

Методы исследования (на казахском) : Жұмыстың әр кезеңіндегі мақсатқа жету және қатысты ғылыми мәселелерін шешу үшін әртүрлі әдістер мен тәсілдер қолданылды, мысалы: цифрлық сигналды өңдеу, үлгіні тану әдістері, есептеу лингвистикасы, машиналық оқыту.

Obtained results and novelty (in Russian) : Получены следующие основные результаты: 1) Разработаны робастные алгоритмы многоуровневой сегментации речевого сигнала и автоматической классификации полученных сегментов; 2) Получен алгоритм акустической сегментации речевого сигнала; 3) Получен алгоритм артикуляционной сегментации речевого сигнала; 4) Получен алгоритм микроволновой сегментации речевого сигнала на отрезки сопоставимые с периодом основного тона; 5) Получен алгоритм локального агрегирования микроволновых сегментов в более крупные субфонемные сегменты; 6) Получен алгоритм формирования инвентаря базовых субфонемных единиц составляющих физический уровень сигнала на основании анализа общности акустических и артикуляционных свойств полученного множества сегментов. Полученные результаты обладают новизной, соответствуют текущему уровню научно-технического развития и основаны на последних достижениях в области обработки данных на естественном языке, машинного и глубинного обучения, распознавания образов и др.

Obtained results and novelty (in Kazakh) : Қол жеткізілген нәтижелер: 1) Дыбыстық сигналды мулти деңгейлі сегменттеу және алынған сегменттерді автоматты түрде кластерлеу үшін тиімді (робасты) алгоритмдер әзірленді; 2) Дыбыстық сигналына акустикалық сегментация жасайтын алгоритмі дайындалды; 3) Дыбыстық сигналына артикуляциялық сегментация жасайтын алгоритмі әзірленді; 4) Дыбыстық сигналына негізгі тонның периодымен салыстырылатын микротолқындық сегментациялау алгоритмі дайындалды; 5) Микротолқынды сегменттерді ірі субфонемикалық сегменттерге айналдыратын локалдық біріктіру алгоритмі дайындалды; 6) Алынған сегменттер жиынтығының акустикалық және артикуляциялық қасиеттерінің жалпылығын талдау негізінде сигналдың физикалық деңгейін құрайтын негізгі субфонемикалық бірліктердің тізімдемесін қалыптастыру алгоритмі алынды. Алынған нәтижелер жаңа, ғылыми-техникалық дамудың қазіргі деңгейіне сәйкес келеді және табиғи тілдегі деректерді өңдеу, машиналық және терең оқыту (machine and deep learning), үлгіні тану және т.б. саласындағы соңғы жетістіктерге негізделген.

The main constructive and technical economic indicators (in Russian) : Осуществлена программная реализация разработанных алгоритмов на языке программирования Python. Сформированы различные наборы данных, которые использовались для апробации разработанных алгоритмов.

The main constructive and technical economic indicators (in Kazakh) : Әзірленген алгоритмдер Python бағдарламалау тілінде жасалды. Жасалған алгоритмдерді тексеру үшін әртүрлі деректер жинақтары құрылды және пайдаланылды.

Level of implementation (in Russian) : Результаты НИР использованы при разработке робастных алгоритмов многоуровневой сегментации речевого сигнала и автоматической классификации полученных сегментов. Все выполненные работы направлены на получение единого конечного результата в виде разработанной информационной системы.

Level of implementation (in Kazakh) : Ғылыми-зерттеу жұмыстың нәтижелері дыбыстық сигналыды мулти деңгейлі сегментациялау және алынған сегменттерді автоматты түрде классификациялау үшін тиімді алгоритмдерді әзірлеуде қолданылады. Барлық орындалған жұмыстар әзірленген ақпараттық жүйе түріндегі бір түпкілікті нәтиже алуға бағытталған.

Efficiency (in Russian) : Все разработанные методы были экспериментально апробированы на сформированном наборе данных. Получены численные оценки, подтверждающие эффективность разработанных алгоритмов.

Efficiency (in Kazakh) : Барлық әзірленген әдістер генерацияланған деректер жиынында эксперименталды түрде тексерілді. Жасалған алгоритмдердің тиімділігін растайтын сандық бағалау жүргізілді.

Field of application (in Russian) : Разработанные алгоритмы применяются в составе информационных систем автоматического анализа и распознавания речевых сигналов.

Field of application (in Kazakh) : Әзірленген алгоритмдер дыбыстық сигналдарын автоматты талдау және тану үшін ақпараттық жүйелердің бөлігітері ретінде пайдаланылады.