СЪВРЕМЕННИ ТЕХНОЛОГИИ НА ИНФОРМАЦИИ

СЪВРЕМЕННИ ТЕХНОЛОГИИ НА ИНФОРМАЦИИ  

 

КОМПЮТЪРНОТО ИНЖЕНЕРСТВО 

*193405* 

Антипенко Г.А. , Дубовик Т.Н. 

Украинский государственный химико-технологический университет 

 

РАЗРАБОТКА РЕГИОНАЛЬНОЙ СЕТИ  

ДЛЯ ДНЕПРОПЕТРОВСКОГО ФИЛИАЛА АПТЕК  

ООО «РЕНИЙ ФАРМ» (С ДОСТУПОМ К СЕТИ ИНТЕРНЕТ) 

 

По мере того как размеры предприятия увеличиваются и его подразделения 

приходится располагать в разных местах, возникла необходимость в соединении 

между собой локальных сетей этих подразделений и создание распределенной 

сети (wide – area network – WAN ) предприятия [3]. 

Под  распределенной  сетью  WAN  понимается  коммуникационная  сеть, 

которая  функционирует  на  территории,  географически  превышающей  сферу 

работы  локальной  сети  (local  area  network  LAN).  Основное  отличие 

распределенной  сети  от  локальной  состоит  в  том,  что  для  использования 

распределенной  сети  коммерческая  компания  или  организация  должна 

заключить договор с внешним провайдером службы распределенных сетей для 

того,  чтобы  воспользоваться  его  услугами.  Как  правило,  сеть  WAN  соединяет 

между собой филиалы одной или нескольких организаций, предоставляет доступ 

к внешним службам (таким как базы данных) и обеспечивает доступ удаленным 

пользователям. По сетям WAN передаются данные различных типов, такие как 

голосовые, обычные цифровые или видео [2,4].  

  Распределенные сети используют различные типы устройств, включая сле-

дующие: 

1. Маршрутизаторы, которые выполняют различные функции, в частности, 

регулирование сетевых процессов и управления портами интерфейсов. 

2. Коммутаторы, осуществляющие передачу голосовых, цифровых и видео-

сигналов в пределах полосы пропускания распределенной сети. 

3.  Модемы,  которые  реализуют  интерфейс  для  служб  голосовых  данных. 

Модемы включают в себя устройства CSU / DSU и ТА / NT1, поддерживающих 

интерфейс со службами ISDN. 

4. Коммуникационные серверы, основной задачей которых является уста-

новление и отключения связи с пользователем [1]. 

Постановка задачи. На основании существующих приборов, методик и то-

пологий создать функционирующую сеть для обеспечения работы фирмы, с ми-

нимальными накладными расходами на передачу информации. 

«Ключови въпроси в съвременната наука – 2015» • Том 18. Съвременни технологии на информации 

 

51

recognize already only information about the formant structure. In fact, a man equally 

recognizes normal speech and voice whisper, although the latter is not the source of the 

voice.  Voice  source  provides  additional  information  in  the  form  of  intonation  (pitch 

change over statements), and this information is very important at the highest levels of 

speech processing. But in the first approximation, we can confine ourselves to give the 

formant structure, and for this purpose, taking into account compression uninformative 

spectrum sufficient number of inputs selected in the range of 50 ~ 100. 

Neural network has a fairly simple structure and consists of three layers: an input 

layer, a layer of character and effector layer (Fig. 4). Each subsequent layer neuron is 

connected to all neurons in the previous layer. The transfer function in all linear layer, 

the input layer of the simulated competition. 

 

Literature: 

1.  NM  Amos  and  others.  «Neurocomputers  and  intelligent  robots»  -Kiev: 

Naukova Dumka, 1991 

2.Speech 

Analysis 

FAQ 

– 

http://svr-

www.eng.cam.ac.uk/~ajr/SA95/SpeechAnalysis.html 

*193549* 

 

 

Елдеева Динара Кенжебайқызы 

Қазақ гуманитарлық заң және техникалық колледжі,Қызылорда 

 

СТУДЕНТТЕРДІҢ АҚПАРАТТЫҚ-МӘДЕНИ  

КӨЗҚАРАСЫН ЖЕТІЛДІРУ МӘСЕЛЕЛЕРІ  

 

Бүгінгі  таңда  басты  мәселелерді  ақпараттық  технологиялар  көмегімен 

шешу, жұмыс барысын оңтайлы ұйымдастыруға қабілетті кәсіби маман даярлау 

жүйесін  жетілдіру  өзекті  мәселелердің  бірі.  Ақпараттық  технологиялар 

аймағында педагогикалық сала мамандарын оқыту мазмұнын қалыптастырудың 

келесі мақсаттарын қолдануға әкеледі: 

- ақпараттық  технологиялар  аймағында  оқыту  мазмұнын  анықтаудың 

маңызды факторы оның бағыттылығы; 

- оқыту 

мазмұны 

педагогикалық 

мамандықтар 

студенттерін 

ақпараттарды,  ақпараттық  технологияларды  пайдалану  арқылы  өңдеуді 

талап етіп,өз бетінше педагогикалық мәселелерді шешуге жеткілікті білімдер 

мен оларды қолдану дағдыларын меңгеруді қамтамасыз етуі тиіс; 

- мазмұн  студентте  педагогикалық  мәселелерді  шешуде  пәнаралық 

байланыстың  негізінде  өзінің  педагогикалық  қызметіндегі  білімдерді 

комбинациялауда  пайдаланылатын  білімдер  жүйесін  тұтас  қабылдауын 

қалыптастыруы тиіс. 

Материали за XI международна научна практична конференция 

 

50 

After that, the discrete Fourier transform is calculated by fast Fourier transform 

algorithm ([XX]). As a result, the real and imaginary coefficients obtained amplitude 

spectrum  and  phase  information.  Phase  information  is  discarded  and  the  calculated 

energy spectrum: 

 

 

 

 

 

(2) 

Since the processed data do not contain imaginary part, by the properties of the 

DFT result is symmetric, ie, E [i] = E [N-i]. Thus, the size of the informative part of 

the spectrum NS is equal to N / 2. All calculations are performed on a neural network 

in the floating-point numbers and the majority of signals limited by the range [0.0,1.0], 

so that the resulting spectrum is normalized to 1.00. For each component of the vector 

is divided by its length: 

,    

 

 

 

 

(3) 

   

 

 

 

 

(4) 

Informativeness of different parts of the spectrum is not the same: in the low-

frequency  region  contains  more  information  than  in  the  high.  Therefore,  to  prevent 

excessive consumption of inputs neural network is necessary to reduce the number of 

items  that  receive  information  from  the  high-frequency  region,  or,  equivalently,  to 

compress the high-frequency region of the spectrum in the frequency space. The most 

common  method  (due  to  its  simplicity)  –  logarithmic  compression  [2],  «Non-linear 

frequency scales»: 

,  

 

 

 

 (5) 

f – frequency spectrum Hz, 

m – the frequency of the new compressed frequency space 

 

After normalization and compression range is applied to the input of the neural 

network. Inputs neural network does not perform any critical function, and only transmit 

signals on a neural network. Select the number of inputs – a difficult task, because with 

a small amount of input vector may lose important to recognize information, and with a 

large computational complexity is significantly increased (only in the simulation on the 

PC, in real neural networks this is not true, because all elements work in parallel) . At 

high  resolution  (more)  inputs  can  be  released  harmonic  structure  of  speech  and  as  a 

consequence the definition of voice pitch. At low resolution (small number) I can only 

definition of formant structure. As demonstrated by further study of this problem, to 

«Ключови въпроси в съвременната наука – 2015» • Том 18. Съвременни технологии на информации 

 

39

Создание  сети  осуществлялось  с  помощью  серверов,  маршрутизаторов, 

коммутаторов, хабов, экранированых и оптоволоконных кабелей, а также других 

приборов. Так как предприятие имеет территориально разрозненную структуру, 

а максимальное расстояние между аптеками достигает 180 км. Для предоставле-

ния полосы пропускания заключен договор с интернет-провайдером.  

Созданная сеть (рисунок 1) обеспечивает доступ между 7 аптеками, находя-

щихся в разных городах области. Таким образом, было связано 7 серверов, более 

35 компьютеров, 45 IP-камер и 8 принтеров в общую сеть, с выходом в сеть Ин-

тернет. 

 

 

 

Рисунок 1 – Схема разработанной региональной сети 

 

Главным  качеством  разработанной  сети  является  ее  относительная  про-

стота, дешевизна и производительность. Созданная сеть сделана таким образом, 

что возможно расширение сети в будущем.

 

 

 

 

Материали за XI международна научна практична конференция 

 

40 

ЛИТЕРАТУРА 

1.  http://www.intuit.ru/studies/courses/3688/930/info 

2.  http://net.e-publish.ru/p216aa1.html 

3.  Уэнделл  О.  Компьютерные  сети.  Первый  шаг  =  Computer  Networking 

First-step. – М.: «Вильямс», 2005. – С. 432. 

4. В. Г. Олифер, Н. А. Олифер «Основы сетей передачи данных. Курс лек-

ций» – 2007 

 

*193656* 

 

 

Красноруцкая Н.С., Кочковая Н.В.(рук) 

Филиал ДГТУ в городе Волгодонске, Россия 

 

АНАЛИЗ СОВРЕМЕННЫХ ТЕНДЕНЦИЙ 2015 ГОДА 

 

«Если мы перестанем предлагать новые решения, чтобы соответствовать запро-

сам потребителей и технологическому прогрессу, нас в любое время могут вытес-

нить из бизнеса» – Джефф Рейкс, президент «Microsoft Business Division» [1] 

В настоящее время большое разнообразие трендов представлено на рынке. 

Данные тренды помогают в повседневной жизни, значительно улучшая и облег-

чая её. Технологии из профессиональной эксплуатации все больше переходят в 

индивидуальное использование. Этим новинкам присуща мобильность, помощь 

в принятии решений и визуализация. 

1) 

«Умные» машины 

Всепроникающая аналитика совместно с технологиями анализа контекста яв-

ляются предпосылками для возникновения мира умных машин. Эта база комбини-

руется с высокоразвитыми алгоритмами, которые позволяют системам понимать 

обстановку, самообучаться и самостоятельно действовать. Прототипы автономных 

транспортных средств, сложно организованные роботы, виртуальные личные по-

мощники  и  умные  консультанты  уже  существуют  и  будут  стремительно  разви-

ваться, являясь проводниками в новую эру машинных помощников. [2] Из послед-

них примеров можно отметить «Умное» зеркало от Panasonic, которое дает советы 

по  поводу  внешности,  браслет  Cicret,  превращающий  руку  в  Android-смартфон, 

«Умные» очки Microsoft для работы с дополненной реальностью. 

Специальная технология «умного» зеркала распознает лицо и фигуру, под-

мечая недостатки: от морщин до сухости кожи. А электронный советчик реко-

мендует диеты, упражнения или косметологические процедуры. А еще – позво-

ляет примерить на себя разные образы. [3] 

«Ключови въпроси в съвременната наука – 2015» • Том 18. Съвременни технологии на информации 

 

49

 

 

Figure 1. Entering audio 

 

When processing a file on it moves the input window size equal to the size of the 

window  of  a  discrete  Fourier  transform  (DFT).  The  offset  relative  to  the  previous 

position of the window can be adjusted. In each position of the window is filled with 

data (the system only works with sound, in which each sample is encoded by 16 bits). 

When you enter the sound in real time he writes a block of the same size. After entering 

the  data  in  the  window  before  computing  the  DFT  window  superimposed  on  it 

smoothing Hamming: 

 

, 

 

 

 (1) 

 

N – size of the window DFT 

 

Hamming  window  overlay  slightly  increased  contrast  range,  but  allows  the 

elimination of sharp frequency sidelobes (Figure 2), while particularly well manifested 

harmonic structure of speech.  

 

 without smoothing window with a window smoothing Hamming 

Figure 2. The effect of smoothing the Hamming window (logarithmic scale) 

Материали за XI международна научна практична конференция 

 

48 

features in the N-dimensional space. To store such a signal must be N elements. Thus 

at the design stage we do not know the specifics of the signal, or it is so complicated 

that it is difficult to consider. This leads to the fact that the representation of the signal, 

we use redundant. Next, assume that we have the ability to synthesize the same signals 

(ie, synthesized speech), but the synthesized signal is a function of the parameter vector 

in the M-dimensional space, and M << N (indeed, the number of model parameters for 

speech  synthesis  is much  less  than  the  number  of  primary  characteristics  of  speech 

recognition  models).  But  then  we  remember  the  input  signal  is  not  in  its  primary 

features  in  the  N-dimensional  space,  and  the  parameters  model  synthesis  in  M-

dimensional space. The question arises: how to translate the signal from one of the 

parameter space to another? There is every reason to believe that this transformation 

can be carried out using a fairly simple neural network. Moreover, in my opinion, such 

a mechanism of storing works in real biological systems, particularly in humans. The 

following describes a model of automatic speech recognition and synthesis. Provides a 

mechanism for sound input into the neural network model of speech synthesis, a neural 

network model, the problems encountered in the model. Sound input is performed in 

real time through your sound card, or through the Microsoft Wave files encoded in 

PCM (16 bit, 22050 Hz sample rate). Working with files is preferable because it allows 

multiple processes to repeat processing neural network, which is especially important 

when teaching. To the sound can be fed to the input of neural network, you must carry 

it over the conversions. Obviously, the representation of the sound in the temporary 

shape is inefficient. It does not reflect the characteristics of the audio signal. Much 

more informative spectral representation of speech. To obtain a spectrum using a set 

of bandpass filters tuned to different frequencies isolation or discrete Fourier transform. 

Then,  the  resulting  spectrum  is  subjected  to  various  transformations,  such  as  a 

logarithmic scale change (amplitude in space and in frequency space). This allows to 

take into account some of the features of the speech signal – lowering high information 

content portions of the spectrum, the logarithmic sensitivity of the human ear, etc. 

Typically,  a  complete  description  of  only  the  speech  signal  spectrum  is  not 

possible. Along with the spectral information is needed and more information about 

the  dynamics  of  speech.  To  obtain  it  uses  delta-parameters,  which  are  the  time 

derivatives of the basic parameters. The thus obtained parameters of the speech signal 

are  considered  the  primary  features  and  it  represents  the  signal  levels  on  further 

processing. Sound information input process shown in Fig. 1: 

«Ключови въпроси в съвременната наука – 2015» • Том 18. Съвременни технологии на информации 

 

41

 

 

Рис.1 – «Умное» зеркало от Panasonic 

 

Браслет  Cicret,в  буквальном  смысле  превращающий  руку  пользователя  в 

сенсорную панель для отображения и ввода данных, браслет имеет восемь бес-

контактных датчиков: приближения, акселерометр, вибромодуль, адаптеры бес-

проводной связи Wi-Fi и Bluetooth. Предусмотрен флеш-накопитель вместимо-

стью 16 или 32 Гбайт, порт Micro-USB и светодиоды для индикации статуса. [4] 

 

 

 

Рис. 2 – Браслет Cicret 

 

Надев очки, пользователь сможет видеть перед собой, к примеру, «парящего» 

в воздухе собеседника в Skype, прогноз погоды или виртуальный телевизор с транс-

ляцией футбольного матча. Вокруг «голограмм» можно не только ходить и наблю-

дать их с разных ракурсов, но и взаимодействовать с ними – перемещать, растяги-

вать, уменьшать или вовсе убирать из поля зрения. Область применения HoloLens 

далеко не ограничена потребительским сектором. К примеру, благодаря «умным» 

очкам инженеры будут постоянно иметь перед глазами детальную инструкцию по 

сборке  того  или  иного  механизма,  дизайнеры  интерьеров  смогут  составлять  3D-

планировку дома вместе с клиентом, а хирурги перестанут отвлекаться на рентген, 

так как снимок может быть визуализирован прямо на пациента. 

Для работы HoloLens не нужны ни провода, ни наушники, ни смартфон, ис-

полняющий роль дисплея или «раздатчика» Wi-Fi. Гаджет ни от чего не зависит: 

он несет на борту собственный процессор, названный HolographicProcessingUnit 

Материали за XI международна научна практична конференция 

 

42 

(HPU), видеоускоритель, камеры с углом обзора 120°x120° и акустическую си-

стему. [5] 

 

 

 

Рис. 3 – «Умные» очки Microsoft 

 

2) 

 Беспроводной режим 

Зарядка смартфона или ноутбука в беспроводном режиме, подключение док 

станций и мониторов без проводов уже очень скоро станет реальностью. Беспро-

водные  технологии  предлагают  пользователям  существенно  большую  свободу 

перемещения,  удобство  и  гибкость  использования  цифровых  устройств  на  ра-

боте и дома. Согласно отчету компании IHS, мировой рынок решений для бес-

проводной передачи электроэнергии вырастет к 2019 году на 140%. [6] Приме-

ром данного тренда является WattUp – беспроводная зарядка для всего. 

Компания  Energous  представила  на  CES  2015  инновационную  зарядку 

WattUp, которая позволяет посредством радиоволн заряжать смартфоны, план-

шеты, электробритвы и зубные щетки в пределах до 5 метров. 

Головная  зарядка  (ею  на  CES  управляли  с  помощью  iPad)  использует 

Bluetooth, чтобы определить состояние батареи и в оснащенных беспроводными 

приёмниками  гаджетах,  в  случае  обнаружения  разряженного  смартфона  или 

планшета автоматически инициирует процесс подзарядки. [7]  

 

 

Рис. 4 – Зарядка смартфона с помощью WattUp 

«Ключови въпроси в съвременната наука – 2015» • Том 18. Съвременни технологии на информации 

 

47

Attempts to create such systems were made by many researchers, including with 

the use of neural networks. One example – created at the Kiev Institute of Cybernetics 

in the 70-ies of the layout of the transport integral autonomous robot (TAIR) [1]. This 

robot was trained to find their way on some areas and could then be used as a vehicle. 

That's what properties, in my opinion, should have such a system: 

Development of a system is only in the construction of its architecture. 

In the process of creating a system developer creates only a functional part, but 

does not fill (or fill in the minimum volume) system information. The main part of the 

system receives information in the learning process. The ability to control their actions 

with  subsequent  correction.  This  principle  suggests  the  need  feedback  [Action]  – 

[Result]  –  [Correction]  in  the  system.  Such  chains  are  very  common  in  complex 

biological organisms and are used at all levels – from the control of muscle contraction 

at  the  lowest  level  to  the  management  of  complex  mechanisms  of  behavior.  The 

possibility  of  accumulation  of  knowledge  about  the  objects  of  the  workspace. 

Knowledge about the object – is the ability to manipulate his image in memory that is 

amount of knowledge about the object is determined not only set its properties, but also 

information  about  its  interaction  with  other  objects,  behavior  under  different 

treatments, being in different states, etc., ie, its behavior in the external environment 

(eg, knowledge Geometric objects are assumed to predict the form of its perspective 

projection for any rotation and lighting). This feature gives the system the ability to 

abstract  from  real  objects,  ie  the  ability  to  analyze  the  object  in  its  absence,  thus 

opening up new opportunities in teaching. Autonomous systems 

When integrated set of actions that the system is able to perform, with a set of 

sensors  that  monitor  their  actions  and  the  environment,  endowed  with  the  above 

properties  of  the  system  will  be  able  to  interact  with  the  outside  world  at  a  fairly 

sophisticated level, ie adequately respond to changes in the external environment (of 

course, if it is included in the system during the training phase). The ability to adjust 

their behavior depending on external conditions will partially or completely eliminate 

the need for external control, ie, the system will become autonomous. To study the 

features of machine learning model speech recognition and synthesis were combined 

into a single system, which allowed give her some properties of self-learning systems. 

This association is one of the key properties of the new model. What was the cause of 

this association? Firstly, the system has the ability to perform actions (synthesis) and 

analyze them (recognition), ie, Property (2). Secondly, there is a property (1), as in the 

development  of  the  system  does  not  pledge  any  information,  and  the  possibility  of 

recognition and synthesis of speech sounds – it is the result of learning. The advantage 

of our model is the ability to automatically synthesize learning. The mechanism of this 

training is described below. Another very important feature is the ability to transfer a 

memorable  image  of  a  new  parameter  space  with  a  much  smaller  dimension.  This 

feature is currently in the developed system has not been implemented in practice has 

not  been  verified,  but  nevertheless  I  will  try  to  summarize  it  using  the  example  of 

speech  recognition.  Suppose  the  input  signal  is  given  by  the  vector  of  the  primary 

Материали за XI международна научна практична конференция 

 

46 

them with other classes representing a different type of information – in fact, give them 

a sense). Any voice signal can be represented as a vector in any parameter space, then 

this  vector  can  be  stored  in  the  neural  network.  One  model  of  a  neural  network,  a 

learning  without  a  teacher  –  a  self-organizing  feature  maps  of  Kohonen.  In  it  for  a 

variety of input signals generated neuronal ensembles representing these signals. This 

algorithm  has  the  ability  to  statistical  averaging,  ie,  solved  the  problem  with  the 

variability of speech. Like many other neural network algorithms, it provides parallel 

processing of information, ie simultaneously work all neurons. Thereby solving the 

problem  with  the  speed  of  recognition  –  usually  while  the  neural  network  is  a  few 

iterations.  Further,  based  on  neural  networks  can  be  easily  constructed  multilevel 

hierarchical  structure,  while  retaining  their  transparency  (the  possibility  of  separate 

analysis).  As  in  fact  it  is  a  component,  ie,  divided  into  phrases,  words,  characters, 

sounds, and then the speech recognition system to build a hierarchical logical. Finally, 

another  important  property  of  neural  networks  (and  in  my  opinion,  is  the  most 

promising of their property) is a flexible architecture. Under this may not be entirely 

accurate term I mean that in fact the algorithm of the neural network is defined by its 

architecture. Automatic creation of algorithms – a dream for decades. But the creation 

of algorithms in programming languages until only by man. Of course, created a special 

language that allows you to perform automatic generation of algorithms, but they are 

not much easier task. A new algorithm for the generation of neural networks is achieved 

by simply changing its architecture. It is possible to get a brand new solution to the 

problem. Enter the correct selection rule that specifies better or worse a new neural 

network solves the problem, and modification rules neural network, you can eventually 

get a neural network, which will solve the problem correctly. All the neural network 

model,  a  paradigm  combined  form  a  set  of  genetic  algorithms.  It  is  very  clearly  a 

correlation  of  genetic  algorithms  and  evolutionary  theory  (hence  the  typical  terms: 

population, genes, parent-child, crossover, mutation). Thus, there is the possibility of 

creating  such  neural  networks  that  have  not  been  explored  by  researchers  or  not 

amenable  to  analytical  study,  but  nonetheless  successfully  solve  problems.  What 

distinguishes the work being done by robots that can perform a man? Robots can have 

qualities  far  superior  ability  of  people:  high  precision,  strength,  reaction,  lack  of 

fatigue. But at the same time they are just tools in the hands of man. There are jobs that 

can only be done by man, and which can not be performed by robots (or need to create 

unnecessarily  complex  robots).  The  main  difference  between  man  and  robot  –  the 

ability to adapt to changing conditions. Of course, almost all the robots there ability to 

operate in several  modes, to handle exceptions, but it was originally laid in a  man. 

Thus, the main drawback of robots – is the lack of autonomy (requires human control) 

and the lack of adaptation to changing conditions (all possible situations laid him in 

the  making).  In  connection  with  this  urgent  problem  of  creating  systems  with  such 

properties. One way to create an autonomous system with the ability to adapt – is to 

give it the ability to learn. At the same time, unlike conventional robots created with 

pre-calculate the properties of such systems will have a certain degree of universality. 

«Ключови въпроси в съвременната наука – 2015» • Том 18. Съвременни технологии на информации 

 

43

3) 

 «Большие данные» в здравоохранении 

Сегодня на анализ генома одного человека требуется целый месяц. Благо-

даря успехам в области анализа данных, скоро может наступить день, когда для 

анализа одного человека потребуется всего лишь один день и начать индивиду-

альное лечение можно будет мгновенно. Значительные шаги в этом направлении 

будут сделаны уже в 2015 г. 

Изначально  рассматриваемые  как  нечто  узко-научное,  «большие  данные» 

теперь  стали  практической  вещью,  которая  способна  спасать  жизни.  Возмож-

ность собирать, управлять и понимать смысл огромного объема данных о паци-

ентах  позволяет  определять  тенденции,  которые  раньше  нельзя  было  предста-

вить без технических достижений последних лет. 

Все большее количество медицинских учреждений и специалистов внедряет 

новые методики, включая использование устройств с расширенными сетевыми 

возможностями  для  удаленного  контроля  состояния  пациентов  в  домашних 

условиях. Это не только повышает уровень удовлетворенности больных, но и со-

здает источники данных для анализа более широких тенденций, которые могут 

привести к новым открытиям в области медицины. [8] Одним из последних но-

винок в этой сфере является гаджет, который способен поставить диагноз всего 

за 15 минут заболеваний ВИЧ и сифилис. 

Исследователи из Колумбийского университета в Нью-Йорке разработали 

гаджет, который при подключении к смартфону способен диагностировать забо-

левания при помощи всего одной капли крови. Для диагностирования гаджет ис-

пользует специальные сменные пластиковые кассеты, которые заполнены реа-

гентами для обнаружения антител к ВИЧ, а также специфических антител к си-

филису. [9] 

 

 

 

Рис. 5 – Гаджет, способный диагностировать заболевания ВИЧ и сифилис 

 

 

 

Материали за XI международна научна практична конференция 

 

44 

Таким образом, был проведен обзор перспективных трендов из разнообраз-

ного количества новинок, которые производят фурор на рынке. Сегодня гаджеты 

– это не только средства развлечения, а реальная помощь в различных сферах. 

Время и технологии не стоят на месте, а все более развиваются и дают толчок 

для развития более мощных и новых технологий. 

 

Литература 

1. URL:http://www.aphorism.ru/author/a8299.shtml 

2. URL:http://club.cnews.ru/blogs/entry/strategicheski_vazhnye_tendentsii_201

5_goda_v_it  

3. URL:http://www.liveinternet.ru/users/5205670/post349708399/  

4. URL:http://www.3dnews.ru/906440 (дата обращения 18.02.2015) 

5. URL:http://hitech.vesti.ru/news/view/id/6299  

6. URL:http://remmag.ru/upload_data/files/01-2015/Intel.pdf  

7. URL:http://www.macdigger.ru/iphone-ipod/besprovodnaya-zaryadka-wattup-

pozvolyaet-zaryazhat-gadzhety-na-rasstoyanii-do-5-metrov.html  

8. URL:https://ru.intel.com/business/community/?automodule=blog&blogid=77

07&showentry=5132  

9. URL:http://hi-news.ru/technology/razrabotan-gadzhet-kotoryj-sposoben-

postavit-diagnoz-vsego-za-15-minut.html  

 

 

«Ключови въпроси в съвременната наука – 2015» • Том 18. Съвременни технологии на информации 

 

45

 

РАБОТА С КОМПЮТЪР ИНЖЕНЕРСТВО  

И ПЛАНИРАНЕ 

*193496* 

Kameshova S.S. 

master of natural sciences 

 Kostanay state university named after A. Baytursynov, Kostanay, Kazakhstan. 

 

THE POSSIBILITY OF UTILIZATION NEURON NETWORKS  

FOR CONSTRUCTION SYSTEM IDENTIFICATION SPEECH 

 

What is meant by speech recognition? This can be a speech-to-text recognition 

and  command  execution,  allocation  of  any  speech  characteristics  (eg,  speaker 

identification, determination of his emotional state, gender, age, etc.) – all in different 

sources may fall under this definition. In this paper, a speech recognition refers to the 

assignment  of  speech  sounds  or  sequences  (phonemes,  letters,  words)  to  any  class. 

Then this class can be compared alphanumeric characters – we get a system convert 

speech to text, or certain actions – get the system performance of voice commands. In 

general, this method of processing speech information can be used on the first level of 

a system with a much more complex structure. And the effectiveness of the classifier 

performance will depend on the overall system.What problems arise in the construction 

of a speech recognition system? The main feature of the speech signal that it varies 

greatly on many parameters: duration, tempo, voice pitch, the distortions introduced 

by the large variability in the human vocal tract, various emotional states of the speaker, 

a  strong  difference  of  votes  different  people.  Two  temporary  speech  sound 

representation even for one and the same person, recorded in the same time, will not 

match. We must look for such parameters of the speech signal, which is fully described 

by him (ie, allowed to distinguish one sound from another speech), but would have 

been  in  some  measure  invariant  with  respect  to  the  above-described  variations  of 

speech. The thus obtained parameters must then be compared with the samples, and 

this should be a simple comparison for coincidence and best fit search. This forces 

them to seek the desired shape in the distance results parametric space. 

Further,  the  amount  of  information  that  can  store  system,  is  not  unlimited. 

Remember how the almost infinite number of variations of speech signals? Obviously, 

we can not do without some form of statistical averaging. Another problem – is the 

speed  of  the  database  search.  The  more  its  size,  the  slower  will  be  searched  –  this 

statement  is  true,  but  only  for  ordinary  sequential  computers.  And  what  else  the 

machine will be able to solve all the above problems? That's right, this neural network. 

Classification – is one of the «favorite» for neural network applications. Moreover, the 

neural network can perform classification even during training without a teacher (but 

at the same time form a class do not make sense, but nothing prevents further associate