|
|
Webový editor audia
Myler, Jan ; Pešán, Jan (oponent) ; Schwarz, Petr (vedoucí práce)
Tato práce se zabývá tvorbou jednoduchého webového editoru audia s využitím JavaScriptu, HTML5 a nových webových API pro zpracování zvuku (zejména Web Audio API). Popisuje současný stav vývoje a implementace API pro zpracování zvuku v prohlížečích. Dále obsahuje popis návrhu výsledné aplikace až po její implementaci. V závěru práce se nachází shrnutí poznatků získaných při vývoji aplikace a návrh možného budoucího využití a rozšíření.
|
|
|
Automatická detekce jazyka textového dokumentu
Cakl, Jan ; Pešán, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Tato práce se zabývá rozpoznáním jazyka textového dokumentu. Výsledný program obsahuje implementaci dvou odlišných metod určených pro rozpoznání jazyka textu. První metoda je založena na frekvenčních statistikách N-gramu. Druhou metodou jsou Markovské řetězce a poslední metoda za účelem rozpoznání jazyka využívá umělou neuronovou síť. Řešení je implementováno v jazyce Python.
|
|
|
Zobrazování uživatelských výslovností pro elektronické slovníky
Pešán, Jan ; Chalupníček, Kamil (oponent) ; Černocký, Jan (vedoucí práce)
Tato bakalářská práce se pokouší nalézt nový směr vývoje v oblasti učebních schopností elektronických slovníků. V první části je uvedeno představení základní myšlenky možnosti učení výslovnosti pomocí vizualizace fonémů. Následuje kapitola zabývající se obecným úvodem do metod zpracování řeči využívaných v této práci jako např. HMM nebo Viterbiho algoritmus. Ve třetí kapitole jsou popsány nástroje, pomocí kterých byla provedena implementace celého systému. Další kapitola rozebírá podrobně použitou technologii neuronových sítí jako systému odhadu věrohodností fonémů, popisuje problém kompatibility fonémových sad a použité modely fonémů. Kapitola 5 popisuje konkrétně samotnou implementaci systému. Zde jsou také popsány nástroje použité k přípravě dat pro systém. Ve dvou závěrečných kapitolách je poté obsaženo krátké uživatelské testování společně se screenshoty a zhodnocením celého projektu. Zde jsou také nastíněny další možné cesty vývoje tohoto systému.
|
|
|
Speaker Recognition in the VoIP Environment
Remeš, Jan ; Pešán, Jan (oponent) ; Plchot, Oldřich (vedoucí práce)
This work describes using speaker recognition systems in the VoIP environment, system performance and approaches to improving it. System architecture, evaluation metrics and VoIP technology key components from the view of speaker recognition are described. VoIP environment simulation is described. Speaker recognition system's performance is evaluated on data sets from various kinds of VoIP environments and the results are demonstrated. System adaptation and calibration is performed and their benefits are discussed.
|
|
|
Algoritmické obchodování na burze s využitím umělých neuronových sítí
Chlud, Michal ; Pešán, Jan (oponent) ; Szőke, Igor (vedoucí práce)
Tato diplomová práce se zabývá algoritmickým obchodováním na burze s využitím umělých neuronových sítí. V první částí jsou popsány základní termíny týkající se obchodování na burze a algoritmického obchodování, také je zde k dispozici teoretický úvod do neuronových sítí. V druhé částí jsou specifikována data, na kterých bude probíhat simulace obchodování. Na těchto datech se také učí neuronová síť. Ta je využita pro predikci budoucí hodnoty trhu v automatické obchodní strategii. Ke konci je navzájem porovnáno několik strategií s různými variantami neuronových sítí.
|
|
|
Algoritmické obchodování na burze s využitím umělých neuronových sítí
Šeda, Jan ; Pešán, Jan (oponent) ; Szőke, Igor (vedoucí práce)
rčení vývoje ceny na světových trzích je aktuální problematikou, která v posledních dekádách nabývá na významu. Důležitou roli v tom sehrává rozvoj výpočetní techniky. V této práci je navržen mechanizmus pro predikci budoucí ceny na trhu. Na základě toho je pak sestavena obchodní strategie. Jádro predikčního systému používá pro svou činnost umělé neuronové sítě. Vstupem sítě jsou pak vybrané indikátory technické analýzy trhu. Obchodní systém byl implementován a úspěšně ověřen na historických datech.
|
|
|
Adaptace systémů pro rozpoznání mluvčího
Novotný, Ondřej ; Pešán, Jan (oponent) ; Plchot, Oldřich (vedoucí práce)
V této práci navrhneme techniky adaptace systémů na rozpoznávání řeči. Cílem je vytvořit techniku adaptace Pravděpodobnostní lineární diskriminační analýzy. Zaměříme se na adap-taci bez učitele. Naše testy ukáží vhodné shlukovací techniky pro odhad identity mluvčích a vhodné techniky na odhad počtu mluvčích v adaptační datové sadě. Experimenty jsou prováděny na korpusech NIST a Switchboard.
|
|
| |
|
|
Odemykání brány hlasem
Bauer, Jan ; Pešán, Jan (oponent) ; Schwarz, Petr (vedoucí práce)
Cílem této práce je vytvoření zařízení pro autentizaci řečníka podle hlasu. V řešení je použito knihovny BSAPI, která byla vyvinuta společností Phonexia. Knihovna je napsána v jazyce C++ a byla portována na zařízení Raspberry Pi B+. Správný chod je zajištěn skriptem napsaným v jazyce Python. Vytvořené řešení je určitě zajímavé a může se v budoucnu stát spolehlivým bezpečnostním systémem.
|
|
|
Application of Mean Normalized Stochastic Gradient Descent for Speech Recognition
Klusáček, Jan ; Hradiš, Michal (oponent) ; Pešán, Jan (vedoucí práce)
The artificial neural networks are on the rise in recent years. One possible optimization technique is mean-normalized stochastic gradient descent recently proposes by Wiesler et al. [1]. This work further explains and examines this method on phoneme classification task. Not all findings of Wiesler et al. can be confirmed. The mean-normalized SGD is helpful only if the network is large enough (but not too deep) and if the sigmoid non-linear function is used. Otherwise, the mean-normalized SGD slightly impairs the network performance and therefore cannot be recommended as a general optimization technique. [1] Simon Wiesler, Alexander Richard, Ralf Schluter, and Hermann Ney. Mean-normalized stochastic gradient for large-scale deep learning. In Acoustics, Speech and Signal Processing (ICASSP), 2014 IEEE International Conference on, pages 180{184. IEEE, 2014.
|
host ::
RSS.