prikaz prve stranice dokumenta Raspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu
Rad nije dostupan
završni rad
Raspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:943439
Haramustek, Zvonimir
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Haramustek, Z. (2023). Raspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:943439

Haramustek, Zvonimir. "Raspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:943439

Haramustek, Zvonimir. "Raspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:943439

Haramustek, Z. (2023). 'Raspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 29.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:943439

Haramustek Z. Raspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 29.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:943439

Z. Haramustek, "Raspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:943439

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:943439
Podaci o radu
NaslovRaspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu
Naslov (engleski)Classification of Acoustic Events Using Recurrent Neural Network on Embedded System
AutorZvonimir Haramustek
MentorDinko Oletić (mentor)
Član povjerenstvaDinko Oletić (predsjednik povjerenstva)
Član povjerenstvaStjepan Begušić (član povjerenstva)
Član povjerenstvaMarko Šimić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-06-30, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Raspoznavanje vrsta akustičkih događaja ponavljajućom neuronskom mrežom na ugradbenom sustavu. Ispitane su različite veličine LSTM ponavljajuće neuronske mreže te nekoliko veličina Mel frekvencijskih značajki korištenih kao ulaz neuronske mreže u svrhe detekcije zvuka motorne pile s potencijalnom primjenom u automatskom nadziranju velikih površina šuma kako bi se detektiralo i suzbilo ilegalnu deforestaciju. Dobiveni model prilagođen je ST Microelectronics mikrokontroleru STM32L4R5ZI s X-CUBE-AI programskim paketom te su na njemu ispitane performanse i memorijsko zauzeće različitih neuronskih mreža te računanje značajki pomoću CMSIS-DSP programskog paketa u stvarnom vremenu iz signala MEMS mikrofona čiji je izlaz PDM signal koji se demodulira pomoću DFSDM sklopovlja mikrokontrolera. Dobiveni su rezultati od 90 do 94,7% točnosti te memorijsko zauzeće od 32 KB do 2 MB ovisno o značajkama ulaza i arhitekturi te je postignuto izvođenje u stvarnom vremenu.
Sažetak (engleski)
Recognition of types of acoustic events by a recurrent neural network on an embedded system. Different sizes of LSTM recurrent neural network and several sizes of Mel frequency features used as neural network input for chainsaw sound detection purposes with potential application in automatic monitoring of large forest areas to detect and suppress illegal deforestation were tested. The resulting model was adapted to the ST Microelectronics microcontroller STM32L4R5ZI with the X-CUBE-AI program package, and the performance and memory usage of different neural networks were tested on it, as well as the calculation of features using the CMSIS-DSP program package in real time from the MEMS microphone signal, the output of which is a PDM signal that is demodulated using the DFSDM circuit of the microcontroller. Results of 90 to 94.7% accuracy and memory usage of 32 KB to 2MB depending on input features and architecture were obtained, and real-time execution was achieved.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:943439
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-07-13 10:06:18