Інтелектуальна система класифікації типів аудіоконтенту

Скорочена інформація про документ
dc.contributor.advisorОлійник, Володимир Валентинович
dc.contributor.authorЖіляєв, Артем Михайлович
dc.date.accessioned2021-01-01T23:44:15Z
dc.date.available2021-01-01T23:44:15Z
dc.date.issued2020-12
dc.description.abstractenIn 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.abstractukУ 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.page98 с.uk
dc.identifier.citationЖіляєв, А. М. Інтелектуальна система класифікації типів аудіоконтенту : магістерська дис. : 126 Інформаційні системи та технології / Жіляєв Артем Михайлович. – Київ, 2020. – 98 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/38431
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectінтелектуальна системаuk
dc.subjectкласифікація довгого аудіоконтентуuk
dc.subjectнейронна мережаuk
dc.subjectрозмічені набори данихuk
dc.subjectintelligent systemuk
dc.subjectclassification of long audio contentuk
dc.subjectneural networkuk
dc.subjectmarked data setsuk
dc.subject.udc004.8uk
dc.titleІнтелектуальна система класифікації типів аудіоконтентуuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Zhiliaiev_magistr.pdf
Розмір:
5.8 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.16 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (КТК)
Магістерські роботи