| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Skaņas klasifikācijas neironu tīkla modeļa adaptācija |
| Nosaukums angļu valodā |
Adaptation of a Neural Network Model for Sound Classification |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Dmitrijs Bļizņuks |
| Recenzents |
Rūdolfs Rumba |
| Anotācija |
Bakalaura darba tips: 3. Produkta vai prototipa izstrāde.
Skaņas klasifikācijas jomā trūkst risinājumu, kas ir vērsti uz saslimušo cilvēku klātbūtnes identificēšanu telpā. Tāda rīka eksistence palīdzētu darba devējiem vai mācībspēkiem pamanīt, vai telpā atrodas saslimušie, kuriem ir nepieciešams pāriet attālinātā režīmā, tādā veidā pasargājot pārējos no inficēšanās. Pamatojoties uz to, bakalaura darba mērķis ir izveidot sistēmu medicīniska tipa skaņu (klepus un šķaudīšana) atpazīšanai. Darbā ir apskatīti audio klasifikācijas principi un eksistējošie skaņas klasifikācijas modeļi un risinājumi. Darba ietvaros detalizētāk notestēts YAMNet modelis un secināts, ka tas nesniedz pietiekami augstu precizitāti nepieciešamajām skaņu klasēm. Izmantojot pārneses mācīšanās tehniku, ir izveidots adaptētais modelis, kurš ir paredzēts klepošanas un šķaudīšanas skaņu precīzākai atpazīšanai citu skaņu starpā. Tā kopējā precizitāte sasniedz 94%, kas ir par 24% vairāk kā YAMNet modeļa labākais rezultāts. Izstrādātais modelis demonstrē arī pietiekami labu pielāgojamību trokšņu saturošiem audio failiem, kas ir tuvāki reālās dzīves apstākļiem.
Bakalaura darbā ir 51 lappuse, 21 attēls, 5 tabulas, 3 pielikumi un 34 informācijas avoti. |
| Atslēgas vārdi |
Audio klasifikācija, pārneses mācīšanās, YAMNet, klepošana, šķaudīšana |
| Atslēgas vārdi angļu valodā |
Audio classification, transfer learning, YAMNet, coughing, sneezing |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 22:39:27 |
