Název: | Rozpoznávání fónů pomocí neuronové sítě |
Další názvy: | Phoneme recognition using a neural network |
Autoři: | Majer, Martin |
Vedoucí práce/školitel: | Šmídl Luboš, Ing. Ph.D. |
Oponent: | Švec Jan, Ing. Ph.D. |
Datum vydání: | 2018 |
Nakladatel: | Západočeská univerzita v Plzni |
Typ dokumentu: | diplomová práce |
URI: | http://hdl.handle.net/11025/31769 |
Klíčová slova: | rozpoznání fonémů;dopředná neuronová síť;rekurentní neuronová síť;long short-term memory;gated recurrent unit;connectionist temporal classification |
Klíčová slova v dalším jazyce: | phoneme recognition;feedforward neural network;recurrent neural network;long short-term memory;gated recurrent unit;connectionist temporal classification |
Abstrakt: | 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. |
Abstrakt v dalším jazyce: | 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. |
Práva: | Plný text práce je přístupný bez omezení. |
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 |
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.