Засоби ідентифікації людини за голосом на основі штучних нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorМухін, Вадим Євгенійович
dc.contributor.authorТроян, Макар Романович
dc.date.accessioned2019-09-19T16:19:04Z
dc.date.available2019-09-19T16:19:04Z
dc.date.issued2019-06
dc.description.abstractenThesis: 85 p., 20 fig., 14 tabl., 2 annexes, 28 sources Object of research – discrete speaker acoustic wave. Goal of research – find the best way to identify a person by voice and develop a software product based on it to demonstrate the capabilities of the chosen method. Methods of research – checking the open data of existing methods used to solve the problem of voice recognition. Attention is paid to the well-established structure of recognition systems, brief descriptions of the most common methods for extracting attributes (such as MFCC and LPCC), as well as classification methods (vector quantization, model of Gaussian mixtures, the method of reference vectors and k near neighbors) are given. Also considered as a system for extracting vector signs are deep full-link neural networks and convolutional neural networks such as ResNet34 and ResNet50. Methods of evaluation of recognition systems and representation of the results of such evaluations are discussed.uk
dc.description.abstractukЗвіт про НДР: 85с., 20 рис., 14 табл., 2 дод., 28 джерел. Об’єкт дослідження – дискретизована акустична хвиля мовлення людини. Мета дослідження – виявити найкращий спосіб ідентифікації людини за голосом та розробити на базі нього програмний продукт для демонстрації можливостей обраного методу. Методи дослідження – перевірка на відкритих даних існуючих методів використовуваних для вирішення задачі розпізнавання по голосу. Приділяється увага усталеною структурі систем розпізнавання, наводяться короткі описи найбільш поширеними методів вилучення ознак (таких як MFCC і LPCC), а також методів класифікації (метод векторного квантування, модель гауссових сумішей, метод опорних векторів та k ближніх сусідів). Також розглянуто у якості системи вилучення вектору ознак глибокі повнозв’язні нейронні мережі та згорткові нейронні мережі такі як ResNet34 та ResNet50. Обговорюються методи оцінки систем розпізнавання і представлення результатів таких оцінок.uk
dc.format.page111 с.uk
dc.identifier.citationТроян, М. Р. Засоби ідентифікації людини за голосом на основі штучних нейронних мереж : дипломна робота ... бакалавра : 6.040303 Системний аналіз / Троян Макар Романович. – Київ, 2019. – 111 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/29360
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectрозпізнавання мовникаuk
dc.subjectглибокі нейронні мережіuk
dc.subjectконволюціяuk
dc.subjectрозпізнавання голосуuk
dc.subjectсистема верифікаціїuk
dc.subjectідентифікаціяuk
dc.subjectвектор особливостейuk
dc.subjectметод k-найближчих сусідівuk
dc.subjectspeech recognitionuk
dc.subjectdeep neural networkuk
dc.subjectconvolutionuk
dc.subjectvoice recognitionuk
dc.subjectvoice recognitionuk
dc.subjectidentificationuk
dc.subjectvector of featuresuk
dc.subjectmethod of k-closest neighborsuk
dc.titleЗасоби ідентифікації людини за голосом на основі штучних нейронних мережuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Troian_bakalavr.docx
Розмір:
3.8 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи