Обробка аудіосигналів нейромережевими методами

Скорочена інформація про документ
dc.contributor.advisorШаповалова, Світлана Ігорівна
dc.contributor.authorВитвицький, Дмитро Артурович
dc.date.accessioned2020-02-25T14:11:39Z
dc.date.available2020-02-25T14:11:39Z
dc.date.issued2019-12
dc.description.abstractenStructure and volume of the thesis The master's thesis consists of an introduction, six sections and a conclusion. The work contains 33 sources in the list of references, 35 illustrations, 25 tables. In addition, there is 1 app at the end. The bulk of the work is set out on 92 pages. Actuality of theme Searching for and analyzing music information has wide practical application in the tasks of automation of audio signal processing. Such tasks include automatic filling of databases, annotation of sound signals, recognition of a tune based on a passage, recognition of musical instruments, evaluation of the quality of synthesized sound and others. Complex problems in the processing of sound signals determine the urgency of solving individual sub-tasks, in particular the classification of a musical instrument by its sound. The use of machine learning methods in the tasks of classifying musical instruments has the potential in terms of improving the efficiency of musical information processing systems. This paper is devoted to the development of a template solution for audio processing problems, for example the solution of the classification problem. The purpose of the study is to create a template solution for solving audio processing tasks, such as the task of classifying the sound of musical instruments. To achieve this goal, you need to complete the following research objectives: — review and analyze previous research in the field of audio signal processing; — to identify, on the basis of the analysis, the general steps for solving the classification problem and to form a template solution for solving the problems of classification of audio signals; — to study musical characteristics, their use in previous works and influence on the quality of classification; — consider software tools for solving the problems of extracting musical characteristics, building a neural network and visualizing the data obtained; — to create architectures for deep neural network of direct propagation and convolutional neural network, to implement the developed architecture by means of software; — train and test artificial intelligence models and compare for two methods; — to implement the software product in the form of a web application based on the solutions of previous problems. Object of study: A general approach to decoupling audio processing tasks based on artificial intelligence methods. Subject of study: recognition of the sound of musical instruments on the basis of neural network direct propagation and convolutional neural network. Research Methods: Artificial intelligence methods, namely neural networks, for audio signal recognition, methods for extracting musical characteristics. Scientific novelty: The use of neural networks for the purpose of recognizing audio signals, and in particular convolutional neural networks, has been further developed. Practical value: The proposed approach to solving audio recognition problems makes it easier for professionals to get started with new methods to solve similar problems, meaning the entry threshold for new users is reduced. Neural network developers who have previously worked with image processing have been shown the general steps to solve the problem of audio characteristics.uk
dc.description.abstractukСтруктура і обсяг дипломної роботи Магістерська дисертація складається зі вступу, шести розділів і висновку. Робота містить в собі 33 джерела за переліком посилань, 35 ілюстрацій, 25 таблиць. Крім того, в кінці розміщено 1 додаток. Основна частина роботи викладена на 92 сторінках. Актуальність теми Пошук та аналіз музичної інформації має широке практичне застосування в задачах автоматизації процесів обробки звукових сигналів. До таких задач належать автоматичне наповнення баз даних, анотація звукових сигналів, розпізнавання мелодії на основі уривку, розпізнавання музичних інструментів, оцінка якості синтезованого звуку та інші. Комплексні проблеми в обробці звукових сигналів визначають актуальність вирішення окремих підзадач, зокрема класифікації музичного інструменту за його звучанням. Використання методів машинного навчання в задачах класифікації музичних інструментів має потенціал з точки зору підвищення ефективності систем обробки музичної інформації. Дана робота присвячена розробці шаблонного рішення для задач обробки аудіосигналів, на прикладі розв’язання задачі класифікації. Метою дослідження є створення шаблонного рішення для розв’язання задач обробки аудіосигналів, на прикладі задачі класифікації звучання музичних інструментів. Для досягнення поставленої мети потрібно виконати наступні задачі дослідження: — розглянути та проаналізувати попередні дослідження в сфері обробки аудіосигналів; — на основі проведеного аналізу виділити загальні кроки для вирішення задачі класифікації та сформувати шаблонне рішення для розв’язання задач класифікації аудіосигналів; — дослідити музичні характеристики, їхнє використання в попередніх роботах та вплив на якість класифікації;—розглянути програмні засоби для вирішення задач екстракції музичних характеристик, побудови нейронної мережі та візуалізації отриманих даних; — створити архітектури для глибинної нейронної мережі прямого поширення та згорткової нейронної мережі, реалізувати розроблену архітектуру за допомогою програмних засобів; — провести тренування та тестування моделей штучного інтелекту та провести порівняння для двох методів; — на основі рішень попередніх задач реалізувати програмний продукт у вигляді веб-застосунку. Об’єкт дослідження: загальний підхід до розв’язування задачобробки аудіосигналів на основі методів штучного інтелекту. Предмет дослідження: розпізнавання звучання музичних інструментів на основі нейронної мережі прямого поширення та згорткової нейронної мережі. Методи дослідження: методи штучного інтелекту, а саме нейронні мережі, для розпізнавання аудіосигналів, методи екстракції музичних характеристик. Наукова новизна: набуло подальшого розвитку використання нейронних мереж для задач розпізнавання аудіосигналів, а особливо згорткових нейронних мереж. Практичне значення: запропонований підхід до вирішення розв’язання задач розпізнавання аудіосигналів дозволяє спеціалістам легше розпочати роботу з новими методами до вирішення подібних задач, тобто зменшується вхідний поріг для нових користувачів. Розробникам нейронних мереж, які раніше працювали з обробкою зображень, продемонстровано загальні етапи для вирішення задачі виділення звукових характеристик.uk
dc.format.page94 с.uk
dc.identifier.citationВитвицький, Д. А. Обробка аудіосигналів нейромережевими методами : магістерська дис. : 121 Інженерія програмного забезпечення / Витвицький Дмитро Артурович. – Київ, 2019. – 94 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/31907
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectнейронна мережаuk
dc.subjectкласифікаторuk
dc.subjectмузичний інструментuk
dc.subjectрозпізнавання об’єктівuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectнейронна мережа прямого поширенняuk
dc.subjectштучний інтелектuk
dc.subjectneural networkuk
dc.subjectclassifieruk
dc.subjectmusical instrumentuk
dc.subjectobject recognitionuk
dc.subjectconvertive neural networkuk
dc.subjectartificial intelligenceuk
dc.titleОбробка аудіосигналів нейромережевими методамиuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (АПЕПС)
Магістерські роботи