Інтелектуальна система класифікації типів аудіоконтенту
dc.contributor.advisor | Олійник, Володимир Валентинович | |
dc.contributor.author | Жіляєв, Артем Михайлович | |
dc.date.accessioned | 2021-01-01T23:44:15Z | |
dc.date.available | 2021-01-01T23:44:15Z | |
dc.date.issued | 2020-12 | |
dc.description.abstracten | In this work, the research conducted on the classification of types of audio content. The intellectual system of classification of long audio data was developed. Types of radio content, process of extraction of audio files was considered in this work. The features of existing approaches to classification of audio content and preliminary processing of an audio signal and methods of improvement of the removed features was considered in this explanatory note. The object of research is the classification of audio content’s types. All steps were performed to transition neural networks from data processing to classification of final features. The results of tests for two different marked data sets created with the additional feature extractor library in python, they were classified with changed parameters for working with long audio content using the 8M interface, the results were analyzed, their accuracy and necessary changes to improve intelligent system. Explanatory note size - 87 pages, contains 35 illustrations, 23 tables, 6 applications. | uk |
dc.description.abstractuk | У роботі проведено дослідження класифікації типів аудіоконтенту та розроблено інтелектуальну систему класифікації довгих аудіоданих, розглянуто типи радіоконтенту, процес вилучення аудіофіч, розглянуто особливості існуючих підходів до класифікації аудіоконтенту та попередня обробка звукового сигналу та методи покращення вилучених ознак. Об’єктом дослідження є класифікація типів аудіоконтенту. Було виконано всі кроки для переходу нейронних мереж від обробки даних до класифікації кінцевих ознак. Отримано результати тестів для двох різних розмічених наборів даних, створених за допомогою бібліотеки на мові python, було класифіковано їх із зміненими параметрами для роботи з довгим аудіоконтентом за допомогою інтерфейсу 8M, проведено аналіз отриманих результатів, їх точність та визначено необхідні зміни для покращення інтелектуальної системи. Розмір пояснювальної записки – 87 аркушів, містить 35 ілюстрацій, 23 таблиці, 6 додатків. | uk |
dc.format.page | 98 с. | uk |
dc.identifier.citation | Жіляєв, А. М. Інтелектуальна система класифікації типів аудіоконтенту : магістерська дис. : 126 Інформаційні системи та технології / Жіляєв Артем Михайлович. – Київ, 2020. – 98 с. | uk |
dc.identifier.uri | https://ela.kpi.ua/handle/123456789/38431 | |
dc.language.iso | uk | uk |
dc.publisher | КПІ ім. Ігоря Сікорського | uk |
dc.publisher.place | Київ | uk |
dc.subject | інтелектуальна система | uk |
dc.subject | класифікація довгого аудіоконтенту | uk |
dc.subject | нейронна мережа | uk |
dc.subject | розмічені набори даних | uk |
dc.subject | intelligent system | uk |
dc.subject | classification of long audio content | uk |
dc.subject | neural network | uk |
dc.subject | marked data sets | uk |
dc.subject.udc | 004.8 | uk |
dc.title | Інтелектуальна система класифікації типів аудіоконтенту | uk |
dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Zhiliaiev_magistr.pdf
- Розмір:
- 5.8 MB
- Формат:
- Adobe Portable Document Format
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.16 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: