|
Recognition of Audio Events Using Deep Neural Networks
Uchytil, Albert ; Černocký, Jan (referee) ; Schwarz, Petr (advisor)
Zvuk je nositelem velkého množství informací. S rostoucí technickou úrovní společnosti se zvyšuje množství zvukových dat. Čím více dat máme, tím hůře se člověku zpracovávají. Tato práce se zabývá problematikou rozpoznávání zvukových událostí pomocí neuronových sítí. Konkrétně klasifikaci fonémů a jejich kategorií. Jako klasifikátor se používá model vícevrstevného perceptronu. Práce zkoumá závislost přesnosti tohoto klasifikačního modelu na nastavených vlastnostech a hledá optimální nastavení pro maximální přesnost. Přesnost je ovlivněna také vstupními daty. Práce zkoumá vztah mezi typem vstupních dat a úspěšností klasifikačního programu, a porovnává vlastnosti vybraných typů vstupních dat. Použití kontextu u vstupních dat redukuje rozdíly námi vybranými typy vstupních prvků. Čím větší kontext použijeme, tím větší přesnosti docílíme. Problém nastává v situaci, kdy začne kontext zasahovat do jiných tříd. Pro naše experimenty jsme používali neuronovou síť se třemi skrytými vrstvami.
|
|
Sound Detection System
Saprykin, Yaroslav ; Horák, Karel (referee) ; Hynčica, Ondřej (advisor)
Bachelor thesis is focused on the developing sound detection system. Developing simple algorithm of detection breaking glass based on FFT and Goertzel algorithms. Part of practice realization of algorithm is application FIR filter. Acquaintance with the method DTW and verification of theoretical knowledges on the example of comparison sound samples of birds. Implementation of created algorithm of breaking glass detection to microcontroller based on development platform FRDM-KL25Z by Freescale. Terminal equipment of system are designed a practical realization module with electet microphone. Detection algorithm implementation in C++.
|
|
Recognition of Audio Events Using Deep Neural Networks
Uchytil, Albert ; Černocký, Jan (referee) ; Schwarz, Petr (advisor)
Zvuk je nositelem velkého množství informací. S rostoucí technickou úrovní společnosti se zvyšuje množství zvukových dat. Čím více dat máme, tím hůře se člověku zpracovávají. Tato práce se zabývá problematikou rozpoznávání zvukových událostí pomocí neuronových sítí. Konkrétně klasifikaci fonémů a jejich kategorií. Jako klasifikátor se používá model vícevrstevného perceptronu. Práce zkoumá závislost přesnosti tohoto klasifikačního modelu na nastavených vlastnostech a hledá optimální nastavení pro maximální přesnost. Přesnost je ovlivněna také vstupními daty. Práce zkoumá vztah mezi typem vstupních dat a úspěšností klasifikačního programu, a porovnává vlastnosti vybraných typů vstupních dat. Použití kontextu u vstupních dat redukuje rozdíly námi vybranými typy vstupních prvků. Čím větší kontext použijeme, tím větší přesnosti docílíme. Problém nastává v situaci, kdy začne kontext zasahovat do jiných tříd. Pro naše experimenty jsme používali neuronovou síť se třemi skrytými vrstvami.
|
|
Sound Detection System
Saprykin, Yaroslav ; Horák, Karel (referee) ; Hynčica, Ondřej (advisor)
Bachelor thesis is focused on the developing sound detection system. Developing simple algorithm of detection breaking glass based on FFT and Goertzel algorithms. Part of practice realization of algorithm is application FIR filter. Acquaintance with the method DTW and verification of theoretical knowledges on the example of comparison sound samples of birds. Implementation of created algorithm of breaking glass detection to microcontroller based on development platform FRDM-KL25Z by Freescale. Terminal equipment of system are designed a practical realization module with electet microphone. Detection algorithm implementation in C++.
|