Rozpoznávání fónů pomocí neuronové sítě

Majer, Martin

Full metadata record

DC pole	Hodnota	Jazyk
dc.contributor.advisor	Šmídl Luboš, Ing. Ph.D.
dc.contributor.author	Majer, Martin
dc.contributor.referee	Švec Jan, Ing. Ph.D.
dc.date.accepted	2018-6-19
dc.date.accessioned	2019-03-15T10:14:09Z	-
dc.date.available	2017-10-2
dc.date.available	2019-03-15T10:14:09Z	-
dc.date.issued	2018
dc.date.submitted	2018-5-18
dc.identifier	75989
dc.identifier.uri	http://hdl.handle.net/11025/31769
dc.description.abstract	Tato práce se zabývá klasifikací fonémů pomocí různých architektur neuronových sítí. V první části práce je představena obecná teorie dopředných a rekurentních neuronových sítí a následně metoda CTC (connectionist temporal classification). Ve druhé části je pak vyhodnocena přesnost rozpoznání šesti navržených architektur nad čtyřmi parametrizacemi pro dvě datové sady o různé velikosti. Ukázalo se, že rekurentní neuronová síť využívající dvě obousměrné LSTM vrstvy a metodu CTC dosahuje velmi vysoké přesnosti, ale pouze díky využití informace z celé nahrávky. Proto byla testována i její varianta s omezenou délkou vstupní sekvence, která pro tuto úlohu rovněž ukázala velký potenciál a mohla by být využita pro rozpoznávání v reálném čase.	cs
dc.format	51 s. (15 000 znaků)	cs
dc.format.mimetype	application/pdf
dc.language.iso	cs	cs
dc.publisher	Západočeská univerzita v Plzni	cs
dc.relation.isreferencedby	https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=75989	-
dc.rights	Plný text práce je přístupný bez omezení.	cs
dc.subject	rozpoznání fonémů	cs
dc.subject	dopředná neuronová síť	cs
dc.subject	rekurentní neuronová síť	cs
dc.subject	long short-term memory	cs
dc.subject	gated recurrent unit	cs
dc.subject	connectionist temporal classification	cs
dc.title	Rozpoznávání fónů pomocí neuronové sítě	cs
dc.title.alternative	Phoneme recognition using a neural network	en
dc.type	diplomová práce	cs
dc.thesis.degree-name	Ing.	cs
dc.thesis.degree-level	Navazující	cs
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd	cs
dc.thesis.degree-program	Inženýrská informatika	cs
dc.description.result	Obhájeno	cs
dc.rights.access	openAccess	en
dc.description.abstract-translated	This thesis focuses on the phoneme recognition using various architectures of neural networks. The first part introduces theory of feedforward and recurrent neural networks followed by the introduction of the method CTC (connectionist temporal classification). The second part presents comparison of accuracy of recognition between six architectures on four parametrizations generated from two datasets of various size. It was shown that the recurrent neural network using two bidirectional LSTM layers combined with CTC achieved high accuracy although only due to using information from the whole recording. Therefore its alternative version which used a limited length of the input sequence was tested and also showed large potential and could be possibly used for recognition in real-time.	en
dc.subject.translated	phoneme recognition	en
dc.subject.translated	feedforward neural network	en
dc.subject.translated	recurrent neural network	en
dc.subject.translated	long short-term memory	en
dc.subject.translated	gated recurrent unit	en
dc.subject.translated	connectionist temporal classification	en
Vyskytuje se v kolekcích:	Diplomové práce / Theses (KKY)

Soubory připojené k záznamu:

Soubor	Popis	Velikost	Formát
dp_mmajer.pdf	Plný text práce	945,43 kB	Adobe PDF	Zobrazit/otevřít
majer-v.pdf	Posudek vedoucího práce	541,81 kB	Adobe PDF	Zobrazit/otevřít
majer-o.pdf	Posudek oponenta práce	663,73 kB	Adobe PDF	Zobrazit/otevřít
majer-p.pdf	Průběh obhajoby práce	349,18 kB	Adobe PDF	Zobrazit/otevřít

Zobrazit minimální záznam Zobrazit statistiky

Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/31769

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání

navigace