|
|
Automatické rozpoznávání logopedických vad v řečovém projevu
Dušil, Lubomír ; Atassi, Hicham (oponent) ; Smékal, Zdeněk (vedoucí práce)
Práce se zabývá analýzou a automatickou detekcí logopedických vad v řečovém projevu. Dává si za cíl ulehčit a urychlit práci logopedů a zvýšit procento odhalených logopedických vad u dětí v co nejmladším věku a následné, co nejúspěšnější, vyléčení. Jsou zde uvedeny metody logopedické práce, dělení vad v jednotlivých stádiích vývoje dítěte a vhodná slova k identifikaci vady řeči a následné nápravě. Následně jsou zde rozebrány metody výpočtu koeficientů, které nejlépe vystihují lidskou řeč. Dále klasifikátory, které se používají k rozpoznávání a určení jestli se jedná o logopedickou vadu či nikoliv. Klasifikátory využívají pro svoji práci koeficienty. Koeficienty a klasifikátory jsou testovány a hledá se co nejlepší jejich kombinace, která by měla nejvyšší procento úspěšnosti v automatickém odhalování logopedických vad řeči. Všechno programování a testování se provádí v programu Matlab.
|
|
|
Rozpoznání hudebního slohu z orchestrální nahrávky za pomoci technik Music Information Retrieval
Jelínková, Jana ; Zvončák, Vojtěch (oponent) ; Kiska, Tomáš (vedoucí práce)
Pojem klasická hudba obsahuje, stejně jako žánry populární hudby, mnoho žánrových variant. Cílem práce je pomocí strojového učení rozlišit tyto žánrové varianty z orchestrálních nahrávek. Tato práce se zaměřuje na skladby z období od konce 16. století do začátku 20. století, jedná se tedy o baroko, klasicismus a romantismus. K identifikaci těchto tří hudebních slohů je využita metoda Music Information Retrieval, která spočívá v získávání parametrů z nahrávek a jejich evaluaci. Evaluované parametry jsou využity jako vstupní data pro klasifikátory. Klasifikace probíhá pomocí metod strojového učení, konkrétně se jedná o algoritmy kNN (K-Nearest Neighbor, v češtině k-nejbližší soused), LDA (Linear Discriminant Analysis, lineárně diskriminační analýza), GMM (Gaussian Mixture Models, Gaussovy smíšené modely) a SVM (Support Vector Machines, podpůrné vektory). V závěru práce je shrnuta dosažená úspěšnost jednotlivých klasifikačních algoritmů. Výsledky ukázaly, že značná odlišnost barokního slohu od zbylých dvou slohů, umožňuje jeho velmi přesnou klasifikaci. Naproti tomu klasicismus vykazuje velkou podobnost s romantismem a jeho identifikace proto dosahuje nižší úspěšnosti. Toto zjištění je ve shodě s předpokladem, který vychází z hudebně-teoretické charakteristiky slohů, která je popsána v první kapitole této práce.
|
|
|
Diagnóza Parkinsonovy choroby z řečového signálu
Karásek, Michal ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Práce se zabývá rozpoznáním Parkynsonovy choroby z řečového signálu. V první části poukazuje na základy řečových signálů a řečových signálů u pacientů postižených Parkinsonovou chorobou. Dále popisuje problematiku zpracování řečových signálů, základní příznaky používané k diagnóze Parkinsonovy choroby (např. VAI, VSA, FCR, VOT atd.) a redukci těchto příznaků. Další část je zaměřena na blokové schéma programu pro diagnózu Parkinsonovy choroby. Hlavním cílem této práce je porovnání dvou metod výběru příznaků (mRMR a SFFS). Pro klasifikaci byly vybrány dvě rozdílné metody. První metodou je klasifikace kNN a druhou metodou klasifikace jsou Gaussovy smýšené modely (GMM).
|
|
|
De-identifikace řečníků postižených hypokinetickou dysartrií
Kárník, Radoslav ; Kiska, Tomáš (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato práce se zabývá návrhem a realizací systému, který provádí de-identifikace řečových nahrávek pacientů postižených Parkinsonovou nemocí. V práci jsou popsány příčiny a projevy Parkinsonovy nemoci a vlivy hypokinetické dysartrie na řečový projev pacientů. Část práce je věnována řečovým příznakům popisujícím prozodii, podle pomocí kterých se dá hypokinetická dysartrie diagnostikovat z řeči. Dále se zabývá způsoby de-identifikace řeči a systémem na evaluaci výsledků pomocí rozeznávání řečníků a pacientů. De-identifikační systém využívá Normalizaci vokálního traktu (VTLN), evaluační systém využívá Gaussovy smíšené modely (GMM). Na testování byla využita databáze PARCZ, která obsahuje nahrávky řečových cvičení pacientů postižených Parkinsonovou nemocí a kontrolních řečníků.
|
|
|
Zjištění Parkinsonovy nemoci na základě analýzy řečového záznamu
Vymlátil, Petr ; Trzos, Michal (oponent) ; Lněnička, Jakub (vedoucí práce)
Tato práce se zabývá zjištěním Parkinsonovi choroby na základě analýzy řečového záznamu. V úvodních kapitolách je popsán mechanismus vzniku lidského hlasu, jeho základní vlastnosti a vliv hypokinetické dysartrie na řeč. V další kapitole jsou popsány vlastnosti řečového signálu a některé metody jeho předzpracování. Následuje popis a způsob extrakce vybraných jednotlivých příznaků potřebných pro diagnózu nemoci a stručný popis metod redukce a klasifikátorů. Praktická část práce srovnává úspěšnost klasifikace naivního bayesovského klasifikátoru v závislosti na použité redukci.
|
|
|
Rozpoznání hudebního slohu z orchestrální nahrávky za pomoci technik Music Information Retrieval
Jelínková, Jana ; Zvončák, Vojtěch (oponent) ; Kiska, Tomáš (vedoucí práce)
Pojem klasická hudba obsahuje, stejně jako žánry populární hudby, mnoho žánrových variant. Cílem práce je pomocí strojového učení rozlišit tyto žánrové varianty z orchestrálních nahrávek. Tato práce se zaměřuje na skladby z období od konce 16. století do začátku 20. století, jedná se tedy o baroko, klasicismus a romantismus. K identifikaci těchto tří hudebních slohů je využita metoda Music Information Retrieval, která spočívá v získávání parametrů z nahrávek a jejich evaluaci. Evaluované parametry jsou využity jako vstupní data pro klasifikátory. Klasifikace probíhá pomocí metod strojového učení, konkrétně se jedná o algoritmy kNN (K-Nearest Neighbor, v češtině k-nejbližší soused), LDA (Linear Discriminant Analysis, lineárně diskriminační analýza), GMM (Gaussian Mixture Models, Gaussovy smíšené modely) a SVM (Support Vector Machines, podpůrné vektory). V závěru práce je shrnuta dosažená úspěšnost jednotlivých klasifikačních algoritmů. Výsledky ukázaly, že značná odlišnost barokního slohu od zbylých dvou slohů, umožňuje jeho velmi přesnou klasifikaci. Naproti tomu klasicismus vykazuje velkou podobnost s romantismem a jeho identifikace proto dosahuje nižší úspěšnosti. Toto zjištění je ve shodě s předpokladem, který vychází z hudebně-teoretické charakteristiky slohů, která je popsána v první kapitole této práce.
|
|
|
De-identifikace řečníků postižených hypokinetickou dysartrií
Kárník, Radoslav ; Kiska, Tomáš (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato práce se zabývá návrhem a realizací systému, který provádí de-identifikace řečových nahrávek pacientů postižených Parkinsonovou nemocí. V práci jsou popsány příčiny a projevy Parkinsonovy nemoci a vlivy hypokinetické dysartrie na řečový projev pacientů. Část práce je věnována řečovým příznakům popisujícím prozodii, podle pomocí kterých se dá hypokinetická dysartrie diagnostikovat z řeči. Dále se zabývá způsoby de-identifikace řeči a systémem na evaluaci výsledků pomocí rozeznávání řečníků a pacientů. De-identifikační systém využívá Normalizaci vokálního traktu (VTLN), evaluační systém využívá Gaussovy smíšené modely (GMM). Na testování byla využita databáze PARCZ, která obsahuje nahrávky řečových cvičení pacientů postižených Parkinsonovou nemocí a kontrolních řečníků.
|
|
|
Zjištění Parkinsonovy nemoci na základě analýzy řečového záznamu
Vymlátil, Petr ; Trzos, Michal (oponent) ; Lněnička, Jakub (vedoucí práce)
Tato práce se zabývá zjištěním Parkinsonovi choroby na základě analýzy řečového záznamu. V úvodních kapitolách je popsán mechanismus vzniku lidského hlasu, jeho základní vlastnosti a vliv hypokinetické dysartrie na řeč. V další kapitole jsou popsány vlastnosti řečového signálu a některé metody jeho předzpracování. Následuje popis a způsob extrakce vybraných jednotlivých příznaků potřebných pro diagnózu nemoci a stručný popis metod redukce a klasifikátorů. Praktická část práce srovnává úspěšnost klasifikace naivního bayesovského klasifikátoru v závislosti na použité redukci.
|
|
|
Diagnóza Parkinsonovy choroby z řečového signálu
Karásek, Michal ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Práce se zabývá rozpoznáním Parkynsonovy choroby z řečového signálu. V první části poukazuje na základy řečových signálů a řečových signálů u pacientů postižených Parkinsonovou chorobou. Dále popisuje problematiku zpracování řečových signálů, základní příznaky používané k diagnóze Parkinsonovy choroby (např. VAI, VSA, FCR, VOT atd.) a redukci těchto příznaků. Další část je zaměřena na blokové schéma programu pro diagnózu Parkinsonovy choroby. Hlavním cílem této práce je porovnání dvou metod výběru příznaků (mRMR a SFFS). Pro klasifikaci byly vybrány dvě rozdílné metody. První metodou je klasifikace kNN a druhou metodou klasifikace jsou Gaussovy smýšené modely (GMM).
|
|
|
Automatické rozpoznávání logopedických vad v řečovém projevu
Dušil, Lubomír ; Atassi, Hicham (oponent) ; Smékal, Zdeněk (vedoucí práce)
Práce se zabývá analýzou a automatickou detekcí logopedických vad v řečovém projevu. Dává si za cíl ulehčit a urychlit práci logopedů a zvýšit procento odhalených logopedických vad u dětí v co nejmladším věku a následné, co nejúspěšnější, vyléčení. Jsou zde uvedeny metody logopedické práce, dělení vad v jednotlivých stádiích vývoje dítěte a vhodná slova k identifikaci vady řeči a následné nápravě. Následně jsou zde rozebrány metody výpočtu koeficientů, které nejlépe vystihují lidskou řeč. Dále klasifikátory, které se používají k rozpoznávání a určení jestli se jedná o logopedickou vadu či nikoliv. Klasifikátory využívají pro svoji práci koeficienty. Koeficienty a klasifikátory jsou testovány a hledá se co nejlepší jejich kombinace, která by měla nejvyšší procento úspěšnosti v automatickém odhalování logopedických vad řeči. Všechno programování a testování se provádí v programu Matlab.
|
host ::
RSS.