Програмні засоби класифікації звукових сигналів на основі нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorПетрашенко, Андрій Васильович
dc.contributor.authorГончаров, Данило Андрійович
dc.date.accessioned2018-06-04T08:08:30Z
dc.date.available2018-06-04T08:08:30Z
dc.date.issued2018-05
dc.description.abstractenTheme urgency. Considering fast development of micro-controllers and cheap element base for sensors and further extension of smartphones the amount of available audio information rapidly growing. As a result, there is a growing need for the development of systems aimed to processing this information in an automated mode. One of the important tasks is the classification of audio signals, which is important for sensory systems that need to handle the information coming from the sensors in real time. There are currently quite a large number of algorithms for solving this problem, but the topic research remains relevant. Object of research is software tools for classifying sound signals using neural networks. Subject of research is the algorithms for recognition of sound through machine learning, especially neural networks, the use of the transfer learning approach for solving the problem of sound classification, the ways of finding the characteristic features of sound (feature extraction) that best suit these algorithms in this subject area. Research objective: Increasing the efficiency of solving the problem of classification of sound by reducing the learning time of the algorithm of convolutional neural networks on the classification problem. Specifically: 1. Analysis of available sound classification algorithms. 2. Development of algorithm based on convolutional neural networks using the transfer learning approach for solving the problem of sound classification. 3. Research of the algorithm. Research methods. Methods in research are based on the probability theory methods.uk
dc.description.abstractruАктуальность темы. С учетом быстрого развития микроконтроллеров и появления дешевой элементной базы для датчиков и дальнейшего распространения смартфонов количество имеющейся аудиоинформации стремительно растет. Как результат, возрастает необходимость в развитии систем, направленных на обработку этой информации в автоматизированном режиме. Одной из важных задач является задача классификации звуковых сигналов, которая важна для сенсорных систем, обладающих необходимостью обрабатывать информацию, поступающую с датчиков в реальном времени. Сейчас существует достаточно большое количество алгоритмов, направленных на решение этой задачи, однако исследование темы остается актуальным. Объектом исследования являются программные средства классификации звуковых сигналов с использованием нейронных сетей. Предметом исследования являются алгоритмы для распознавания звука с помощью машинного обучения, в первую очередь нейронные сети, использование подхода transfer learning для решения задачи классификации звука, способы нахождения характерных признаков звука (feature extraction), наилучшим образом подходят к этим алгоритмов в этой предметной области. Цель работы: повышение эффективности решения задачи классификации звука посредством уменьшения времени обучения алгоритма сверточных нейронных сетей на задачах классификации. Задачи исследования: 1. Анализ существующих алгоритмов классификации звука. 2. Разработка алгоритма на базе сверточных нейронных сетей с использованием подхода transfer learning для решения задачи классификации звука. 3. Исследование полученного алгоритма. Методы исследования базируются на использовании методов теории вероятности.uk
dc.description.abstractukАктуальність теми. З урахуванням швидкого розвитку мікроконтролерів та появи дешевої елементної бази для датчиків та подальшого розповсюдження смартфонів кількість наявної аудіоінформації стрімко зростає. Як результат, зростає необхідність в розвитку систем, спрямованих на обробку цієї інформації в автоматизованому режимі. Однією з важливих задач є задача класифікації звукових сигналів, яка важлива для сенсорних систем, які мають обробляти інформацію, що поступає з датчиків в реальному часі. Наразі існує досить велика кількість алгоритмів, що направлені на вирішення цієї задачі, проте дослідження теми лишається актуальним. Об’єктом дослідження є програмні засоби класифікації звукових сигналів із використанням нейронних мереж. Предметом дослідження є алгоритми для розпізнавання звуку за допомогою машинного навчання, особливо нейронні мережі, використання підходу transfer learning для вирішення задачі класифікації звуку, шляхи знаходження характерних ознак звуку (feature extraction), що найкращим чином підходять до цих алгоритмів в цій предметній області. Мета дослідження: Підвищення ефективності розв'язання задачі класифікації звуку за допомогою зменшення часу навчання алгоритму згорткових нейронних мереж на задачі класифікації. Задачі дослідження: 1. Аналіз наявних алгоритмів класифікації звуку. 2. Розробка алгоритму на базі згорткових нейронних мереж з використанням підходу transfer learning для розв’язання задачі класифікації звуку. 3. Дослідження отриманого алгоритму. Методи дослідження базуються на використанні методів теорії ймовірності.uk
dc.format.page122 с.uk
dc.identifier.citationГончаров, Д. А. Програмні засоби розпізнавання акустичної інформації в сенсорних мережах : магістерська дис. : 123 «Комп'ютерна інженерія» спеціалізації «Спеціалізовані комп'ютерні системи» / Гончаров Данил Андрійович. – Київ, 2018. – 122 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/23199
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectштучні нейронні мережіuk
dc.subjecttransfer learninguk
dc.subjectаудіосигналиuk
dc.subjectartificial neural networksuk
dc.subjecttransfer learninguk
dc.subjectaudio signalsuk
dc.subjecttransfer learninguk
dc.subjectискусственные нейронные сетиuk
dc.subjectаудиосигналыuk
dc.titleПрограмні засоби класифікації звукових сигналів на основі нейронних мережuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (СПСКС)
Магістерські роботи