|
|
Automatická tvorba korpusů
Šantavý, Marek ; Černocký, Jan (oponent) ; Smrž, Pavel (vedoucí práce)
Obsahem práce je představení způsobu formátování a značkování textových dat korpusu. Nad vhodně reprezentovanými dokumenty vytváří vrstvu pro jejich vzájemné porovnání s cílem určení míry podobnosti mezi nimi. Nástroje, které výpočty podobnosti zajišťují, jsou základem automatizovaného systému pro vytváření a doplňování existujícího korpusu dat. Mezi dvěma základními přístupy je možno volit podle požadavku výpovědní hodnoty výsledku. Prostředkem pro získávání dat nových je nástroj stahování obsahu webu.
|
|
|
Využití veřejných obchodních informací pro automatický trading
Gráca, Martin ; Plchot, Oldřich (oponent) ; Černocký, Jan (vedoucí práce)
V dnešní době moderních technologií a výkonných počítačů již klasické obchodní modely přestávají fungovat. Pro úspěšné obchodování na burze, generující konzistentní zisky, je proto vhodné využít nových možností a technologií. Cílem této práce je právě díky těmto novým technologiím vytvořit fungující automatický obchodní systém. Tato práce využívá veřejně dostupných dat uložených v databázi Americké Komise pro cenné papíry (SEC), historické ceny akcii a rekurentní neuronové sítě k vytvoření takového modelu. Výsledný obchodní systém je schopný úspěšně obchodovat a vykazovat zisk.
|
|
| |
|
| |
|
|
Odstranění známého signálu z nahrávky
Hošek, Pavel ; Žmolíková, Kateřina (oponent) ; Černocký, Jan (vedoucí práce)
Cílem této bakalářské práce je návrh a implementace metody, která z audio nahrávky odstraní známý signál. V úvodní části práce je shrnuta teorie o vlastnostech zvuku, základech zpracování signálu a o identifikaci systému. Následně jsou představena data a je uvedeno jakým způsobem bude probíhat testování. Dále je popsán vývoj metody pro odstranění známého signálu z nahrávky. Na závěr jsou pak provedeny experimenty , které zahrnují i porovnání vybraných metod. Nejlepší metody dosahovaly poměrně kvalitních výsledků a známý signál většinou dokázaly v dostatečné míře odstranit.
|
|
|
Adversarial Augmentation for Robust Speech Separation
Pavlus, Ján ; Černocký, Jan (oponent) ; Žmolíková, Kateřina (vedoucí práce)
Speech separation is the task of separating single signals from the given mixture of multiple speakers. Neural networks trained for speech separation usually work well on artificial data but they often fail on real-world examples. To improve their behavior on real-world mixtures it is possible to use training data augmentations such as noise addition. Nevertheless, the power of these augmentations is limited as they have to be manually designed. In this work, the modified version of the generative adversarial networks (GAN) model could improve this process by generating augmentations depending on the separation performance on these data. Speech separation could be then made more robust with each generator and separator training step. This system was subjected to experimentation. During these experiments, the parameters have been tuned to find the best setting that will successfully train the GAN model without collapsing. This setting was found and the most robust model from the training was selected and evaluated. Results show that the separator model trained by the GAN model does not achieve any significant improvement from the original separator model pretrained on the WSJ0-2mix dataset during the testing on the WHAM dataset. Nevertheless, another evaluation shows that the separator model trained by the GAN model is significantly more robust than the original one towards the generated noises.
|
|
|
Assistance and Information System for Blind People
Hnilica, David ; Zemčík, Pavel (oponent) ; Černocký, Jan (vedoucí práce)
This work deals with the problem of implementation of the assistance system to support the orientation of blind people in the means of public transportation. Since it is only one part of larger unit (the RAMPE project), it doesn't cover the whole topic, yet only implements one part of it. It is written from the point of view of a developer and code architect. It improves the software architecture of existing project, suggests new methods and techniques and adds new functions to the application. This is done only at the respective part - the work is neither capable, nor takes any ambition to design or modify the whole system. That has been done already by other people and parties in the past and this work merely continues those done in the past.
|
|
|
Analýza audio signálu v reálném čase
Řezáč, Martin ; Schimmel, Jiří (oponent) ; Černocký, Jan (vedoucí práce)
Cílem této práce je vytvořit program, který bude schopen na základě příchozích audio vzorků rozpoznávat v reálném čase základní frekvenci tónu, na základě určené frekvence vytvářet MIDI informace a ty posílat na zvolené MIDI rozhraní. V úvodní části je čtenář uveden do problematiky detekce základních frekvencí tónu. Následuje popis jednotlivých metod pro získávání základní frekvence s důrazem na metodu založenou na spektrální analýze zvuku a popis použitých technologií. Součástí je také popis implementace a vyhodnocení provedených testů včetně uvedení názorů některých hudebníků na použití této aplikace. Závěrem je celá práce zhodnocena. Součástí závěru je i zamyšlení nad dalším vývojem této aplikace.
|
|
|
Rozpoznávání akordů
Soudek, Ondřej ; Glembek, Ondřej (oponent) ; Černocký, Jan (vedoucí práce)
Cílem této bakalářské práce je vytvořit aplikaci, která bude v reálném čase analyzovat signál, pocházející z elektrické nebo akustické kytary, a bude rozpoznávat, jaký akord nebo tón uživatel hraje, případně akord tomu nejbližší. Práce obsahuje základy hudební teorie, způsob řešení zadaného problému a výsledky testování.
|
|
|
Automatic Speech Recognition System Continually Improving Based on Subtitled Speech Data
Kocour, Martin ; Veselý, Karel (oponent) ; Černocký, Jan (vedoucí práce)
Today's large vocabulary speech recognition systems are very accurate. However, tens or hundreds of hours of manually transcribed speech are needed in order to train such system. This kind of data is often unavailable, or they even do not exist for the desired language. A possible solution is to use commonly available but lower quality audiovisual data. This thesis addresses the methods of processing such data for semi-supervised training of acoustic models. Afterwards, it demonstrates how to continually improve already trained acoustic models by using these practically unlimited data. In this work is proposed a novel approach for selecting data based on similarity with the target domain.
|
host ::
RSS.