English
ДонНТУ   Портал магистров

Библиотека материалов по теме выпускной работы

    Собственные публикации и доклады

  1. Анализ методов распознавания эмоций по фотоизображениям

    Авторы: А.П. Семенова, М.А. Белинская, В.Н.  Павлыш

    Описание: В работе рассмотрен актуальный на сегодняшний день метод обнаружения лица на изображении. Определены модели категоризации эмоций: дискретная, многомерная и гибридная. Рассмотрены классические методы распознавания эмоций по ключевым точкам, а также методы, основанные на глубинном обучении.

    Источник: Материалы VII Международной научно-технической конференции «Современные информационные технологии в образовании и научных исследованиях» (СИТОНИ-2021)

  2. Обзор универсального средства работы с базами данных для фреймворка Flask

    Авторы: М.А. Белинская, Т.Н. Кравец

    Описание: в статье рассматриваются веб-фреймворк Flask, который предназначен для разработки веб-приложений на языке программирования Python и SQLAlchemy – набор инструментов Python SQL, который дает разработчикам доступ к базе данных. Также описывается создание модели базы данных.

    Источник: Материалы XIV Международной научно-технической конференции «Информатика, управляющие системы, математическое и компьютерное моделирование» (ИУСМКМ-2022).

  3. СРЕДСТВА ВЕБ-РАЗРАБОТКИ НА ЯЗЫКЕ ПРОГРАММИРОВАНИЯ PYTHON

    Авторы: М.А. Белинская, Т.Н. Кравец

    Описание: : В статье рассмотрены возможности разработки веб-приложений с помощью языка программирования Python. Также рассмотрены различные фреймворки для разработки веб-приложений, такие как Django, Flask, Pyramid, Tornado. И более подробнее рассмотрен фреймворк Flask.

    Источник: Материалы XIV Международной научно-технической конференции «Информатика, управляющие системы, математическое и компьютерное моделирование» (ИУСМКМ-2023).

    4. Тематические статьи

  4. Автоматическое восстановление диакритических знаков для языков с ограниченными ресурсами

    Авторы: Ги Де Пау, Питер Вайганджо Вагача, Жиль-Морис де Шрайвер

    Описание: Орфография многих языков с ограниченными ресурсами включает символы, помеченные диакритическими знаками. Эти символы, выходящие за рамки стандартной латинской кодировки, часто представлены в цифровых языковых ресурсах как их немаркированные эквиваленты. Это затрудняет составление корпуса, поскольку эти языки, как правило, не обладают преимуществами больших электронных словарей для восстановления диакритических знаков. В этой статье описываются эксперименты с подходом машинного обучения, который способен автоматически восстанавливать диакритические знаки на основе локального графематического контекста. Мы применяем этот метод к африканским языкам чилуба, гикуйю, кикамба, маа, сесото са лебоа, тшивенда и йоруба и сравниваем его с экспериментами на чешском, голландском, французском, немецком и румынском языках, а также вьетнамском и китайском пиньинь.

    Источник: ReserchGate, Ги Де Пау, Питер Вайганджо Вагача, Жиль-Морис де Шрайвер, Автоматическое восстановление диакритических знаков для языков с ограниченными ресурсами, ссылка доступа: https://www.researchgate.net/publication/221151933_Automatic_Diacritic_Restoration_for_Resource-Scarce_Languages

  5. К вопросу о представлении многоязычных текстов с диакритическими знаками

    Авторы: Д.Е. Кондратьев, О.В. Тихонова

    Описание: Статья описывает вопросы о представлении многоязычных текстов с диакритическими знаками

    Источник:Д.Е. Кондратьев, О.В. Тихонова, К ВОПРОСУ О ПРЕДСТАВЛЕНИИ МНОГОЯЗЫЧНЫХ ТЕКСТОВ С ДИАКРИТИЧЕСКИМИ ЗНАКАМИ, ссылка доступа: https://cyberleninka.ru/article/n/k-voprosu-o-predstavlenii-mnogoyazychnyh-tekstov-s-diakriticheskimi-znakami

  6. Aвтоматическое восстановление диакритических знаков с помощью нейронного машинного перевода на основе трансформаторной модели для восточно-центральноевропейских языков

    Авторы: Ласло Джон Лаки, Цзыцзянь Виктор Янг

    Описание: За последние несколько лет размер текстов, написанных на мобильных устройствах, внезапно увеличился. Люди часто набирают сообщения без диакритических знаков, поэтому в Интернете создается все больше корпусов, содержащих тексты без акцентов. Этот факт вызывает трудности в задачах обработки естественного языка (NLP). Приложение accent restore могло бы очистить и подготовить корпус для обучения данным инструментов НЛП более высокого уровня.

    Источник:Ласло Джон Лаки, Цзыцзянь Виктор Янг, автоматическое восстановление диакритических знаков с помощью нейронного машинного перевода на основе трансформаторной модели для восточно-центральноевропейских языков, ссылка доступа: https://ceur-ws.org/

  7. Диакритические знаки в современных русском и итальянском языках: происхождение, проблемы и сравнительные особенности

    Авторы: Блинова Ольга Алексеевна

    Описание:В статье рассказывается про диакритические знаки в русском языке

    Источник:Блинова Ольга Алексеевна, Диакритические знаки в современных русском и итальянском языках: происхождение, проблемы и сравнительные особенности, ссылка доступа: https://moluch.ru/conf/phil/archive/333/15076/