Graduate papers
  
Description of the graduate paper
Form of studies Bachelor
Title of the study programm Intelligent robotic systems
Title in original language Skaņas avotu tembru atpazīšana, izmantojot dziļas mašīnapmācības metodes
Title in English Sound Source Timbre Recognition, by Applying Deep Learning Methods
Department Faculty Of Computer Science Information Tehnology And Energy
Scientific advisor Ēvalds Urtāns
Reviewer Datorvadības un datortīklu katedras asistents Ē.Kļaviņš
Abstract Dotajā darbā ir publicēti pētījuma rezultāti, kas salīdzina īso audio ierakstu klasificēšanas metodes, izmantojot dziļās mašīnapmācības algoritmus. Šādu algoritmu pielietošana attēlu klasifikācijas/atpazīšanas uzdevumiem pēdējos desmit gados ir kļuvusi par izplatītu praksi. Arī skaņas ierakstu datu kopas ir iespējams klasificēt līdzīgi attēlam, izmantojot digitālā signāla apstrādes metodes. Taču skaņas ierakstu klasificēšanā pastāv aspekti, kas padara šo specifisko uzdevumu par izaicinošu un netriviālu. Tajā paša laikā aug publiski pieejamo akadēmisko datu kopu piedāvājums - gan audio ierakstu, gan saistīto pētījumu daudzums. Šis darbs koncentrējas uz šiem īpašajiem aspektiem un apskata vairākus dziļās mašīnapmācības algoritmus (mākslīgo neironu tīklu uzbūves arhitektūras), ņemot vērā iepriekš minētos aspektus, ar mērķi paaugstināt klasificēšanas modeļu darbības precizitāti. Pētījuma gaitā tiek uzbūvētas bieži izmantots neironu tīklu arhitektūru modifikācijas, pielietotas uz datu kopas FSD (Fonseca et al. 2018), kas bija izmantota starptautiskās sacensībās resursā kaggle.com 2018. gadā .
Keywords dziļas mašīnmācības, neironu tīkli, datu kopas, digitālā signāla apstrāde, lineārā algebra
Keywords in English deep learning, neural networks, dataset, digital signal processing, linear algebra
Language lv
Year 2020
Date and time of uploading 12.06.2020 22:50:13