Abstract
Интегральные end-to-end модели являются часто применяемыми методами во многих областях машинного обучения, а именно в задачах распознавания речи. Интегральная структура модели объединяет систему в один компактный элемент, в отличие от традиционной, которая состоит из нескольких отдельных и независимых элементов. Интегральная система преобразует акустические сигналы непосредственно в последовательность меток без использования промежуточных состояний, что исключает необходимость дополнительной обработки на выходе. Это делает её легкой в реализации и применении. Комбинирование нескольких интегральных моделей показывают лучше результат, чем применение их по отдельности. Вдохновленные этой идеей, в данной работе мы предложили метод совместного использования условных случайных полей и коннекционной временной классификации для распознавания малоресурсного языка, как казахский язык. В работе были применены архитектуры рекуррентной нейронной сети и остаточная сеть для построения модели с использованием языковых моделей. Результаты экспериментальных исследований показали, что предложенный подход на основе архитектуры остаточной сети с языковой моделью рекуррентных нейронных сетей достигла наилучший результат 9,86% по сравнению с другими архитектурами сети для казахского языка.