prikaz prve stranice dokumenta Primjena dubokog učenja u obradi zvuka
  Preuzmi
PDF 1.37 MB
diplomski rad
Primjena dubokog učenja u obradi zvuka
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2018. urn:nbn:hr:217:474439
Vitez, Petra
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Matematički odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

Vitez, P. (2018). Primjena dubokog učenja u obradi zvuka (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:474439

Vitez, Petra. "Primjena dubokog učenja u obradi zvuka." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2018. https://urn.nsk.hr/urn:nbn:hr:217:474439

Vitez, Petra. "Primjena dubokog učenja u obradi zvuka." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2018. https://urn.nsk.hr/urn:nbn:hr:217:474439

Vitez, P. (2018). 'Primjena dubokog učenja u obradi zvuka', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 23.12.2024., https://urn.nsk.hr/urn:nbn:hr:217:474439

Vitez P. Primjena dubokog učenja u obradi zvuka [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2018 [pristupljeno 23.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:474439

P. Vitez, "Primjena dubokog učenja u obradi zvuka", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:474439

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:474439
Podaci o radu
NaslovPrimjena dubokog učenja u obradi zvuka
AutorPetra Vitez
MentorSaša Singer (mentor)
Član povjerenstvaSaša Singer (predsjednik povjerenstva)
Član povjerenstvaRobert Manger (član povjerenstva)
Član povjerenstvaIlja Gogić (član povjerenstva)
Član povjerenstvaGoran Muić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Matematički odsjek)
Zagreb
Datum i država obrane2018-09-26, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Sažetak
U ovom radu objašnjavamo pojam neuronskih mreža i promatramo njihov matematički aspekt. Dajemo generalni uvid u arhitekturu neuronskih mreža, te način na koji neuronska mreža uči i kako se zatim ponaša na dosad neviđenim podacima. Zatim, dajemo naglasak na rekurentne neuronske mreže i kako one rješavaju problem klasifikacije nizova. Objašnjavamo posebnu arhitekturu rekurentnih neuronskih mreža, tzv. Long-Short Term Memory arhitekturu. Na kraju, pokazujemo kako smo iskoristili programski jezik Python i biblioteku otvorenog koda Tensorflow, za izradu modela rekurentne neuronske mreže, koji se sastoji od dvije Long-Short Term Memory jedinice, kako bismo riješili problem klasifikacije gradskih zvukova, na UrbanSound 8k skupu podataka. Koristimo metodu unakrsne validacije i, kao rezultate, prikazujemo prosječnu točnost koju dobivamo na testnim skupovima podataka, te matricu konfuzije za jedan testni skup podataka.
Sažetak (engleski)
In this thesis we explain the concept of neural networks and observe their mathematical aspect. We give a general insight into the architecture of neural networks, the way the neural network learns, and how it behaves on previosly unseen data. Then, we give a special accent to recurrent neural networks and how they solve the problem of sequence classification. We explain a special architecture of recurrent neural networks, the so-called Long-Short Term Memory architecture. In the end, we present how we used Python programming language and the open source library Tensorflow, to create a recurrent neuronal network model that consists of two LongShort Term Memory units, to solve the problem of urban sound classification, on the Urban Sound 8k data set. We use the cross-validation method and, as results, we give the average accuracy obtained for test datasets, and the confusion matrix for one test dataset.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:474439
Studijski programNaziv: Računarstvo i matematika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra računarstva i matematike (mag. inf. et math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-07-03 12:57:48