📄Работа №85767
Тема: АНАЛИЗ АУДИОСИГНАЛА НА БАЗЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
Тип работы
Дипломные работы, ВКР
Предмет
математика
Объем:
45 листов
Год:
2017
Просмотров:
241
4325
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
1. Методы анализа аудиосигналов 4
1.1. Акустические характеристики речи 4
1.2. Обработка и хранение аналоговых и цифровых сигналов 6
1.3. Теоретические основы искусственных нейронных сетей 10
2. Применение искусственных нейронных сетей для анализа
аудиосигналов 20
2.1. Алгоритм анализа аудиосигналов на базе искусственной
нейронной сети 20
2.2. Описание программного обеспечения для реализованного
алгоритма анализа аудиосигналов 25
2.3. Результаты работы программы 27
Заключение 29
Литература
Приложение
1. Методы анализа аудиосигналов 4
1.1. Акустические характеристики речи 4
1.2. Обработка и хранение аналоговых и цифровых сигналов 6
1.3. Теоретические основы искусственных нейронных сетей 10
2. Применение искусственных нейронных сетей для анализа
аудиосигналов 20
2.1. Алгоритм анализа аудиосигналов на базе искусственной
нейронной сети 20
2.2. Описание программного обеспечения для реализованного
алгоритма анализа аудиосигналов 25
2.3. Результаты работы программы 27
Заключение 29
Литература
Приложение
📖 Введение
Анализ аудиосигналов является востребованным направлением в различных сферах деятельности человека. Например, он может применяться для распознавания и синтеза речи, в задачах робототехники, при поиске шумов сердца в медицине, идентификации личности в криминалистики и др.
В настоящей работе рассматривается задача распознавание некоторых аудио образов, которые представлены речью человека и, в частности, гласными звуками речи.
Для решения данной задачи возможно использовать ряд математических аппаратов, одним из которых является искусственная нейронная сеть (ИНС).
Целью данной работы является изучение методов анализа аудиосигналов, а также реализация одного из вариантов алгоритма распознавания речи.
Для достижения поставленной цели необходимо решить ряд задач:
1) изучить структуру аудио сигнала, а также его цифровое представление;
2) изучить принципы работы и построения ИНС;
3) разработать алгоритм для распознавания аудиосигналов на базе ИНС;
4) реализовать данный алгоритм в программный продукт.
В качестве новизны можно отметить предложенный в работе модифицированный вариант алгоритма работы с нейронными сетями, лежащих в основе системы распознавания элементов речи. Эта модификация позволяет избавиться от некоторых недостатков, присущих сетям с ассоциативной памятью.
Работа объемом 28 листов основного текста состоит из введения, двух частей, заключения, списка используемой литературы, содержащего четырнадцать источников, и приложения.
В настоящей работе рассматривается задача распознавание некоторых аудио образов, которые представлены речью человека и, в частности, гласными звуками речи.
Для решения данной задачи возможно использовать ряд математических аппаратов, одним из которых является искусственная нейронная сеть (ИНС).
Целью данной работы является изучение методов анализа аудиосигналов, а также реализация одного из вариантов алгоритма распознавания речи.
Для достижения поставленной цели необходимо решить ряд задач:
1) изучить структуру аудио сигнала, а также его цифровое представление;
2) изучить принципы работы и построения ИНС;
3) разработать алгоритм для распознавания аудиосигналов на базе ИНС;
4) реализовать данный алгоритм в программный продукт.
В качестве новизны можно отметить предложенный в работе модифицированный вариант алгоритма работы с нейронными сетями, лежащих в основе системы распознавания элементов речи. Эта модификация позволяет избавиться от некоторых недостатков, присущих сетям с ассоциативной памятью.
Работа объемом 28 листов основного текста состоит из введения, двух частей, заключения, списка используемой литературы, содержащего четырнадцать источников, и приложения.
✅ Заключение
Аналоговый сигнал, являясь непрерывной функцией по времени, на электронных носителях сохраняется в виде последовательности амплитуд. Значения амплитуд замеряются через равные промежутки времени, образуя при этом дискретный сигнал, либо цифровой, если он квантуется по уровню. Данные таких сигналов могут храниться в файлах-контейнере WAV.
Для решения задач распознавания образов наиболее оптимальным типом сети является сеть Хопфилда. Она отличается высокой точностью получаемых результатов, возможностью переобучения, а также оптимизацией вычислительных затрат. Существенным недостатком такой сети является небольшая емкость памяти, например, возможность запоминания ассоциативных образов ограничена числом нейронов сети.
После нахождение формант на спектре, который находился при помощи алгоритма быстрого преобразования Фурье, производилось приведение вектора формант к виду входного вектора нейросети и её дальнейшее обучение на эталонных образцах. Некоторые недостатки сети привели к модификации алгоритма. Ее суть состоит в том, что создавался комплекс нейронных сетей Хопфилда, которые работают параллельно.
В работе разработана программа, реализующая алгоритм анализа аудиосигналов. Результаты работы программы оправдали ожидания. Нейросеть на базе этого алгоритма смогла распознать элементы речи, на которой ранее обучилась. Также большую роль сыграла ассоциативная память нейросети, что позволило ей справится с зашумленным образом. Модификация алгоритма позволила избавиться от образов «химер», увеличить скорость распознавания, а также снять ограничение на количество запоминаемых образов нейронной сетью Хопфилда.
Для решения задач распознавания образов наиболее оптимальным типом сети является сеть Хопфилда. Она отличается высокой точностью получаемых результатов, возможностью переобучения, а также оптимизацией вычислительных затрат. Существенным недостатком такой сети является небольшая емкость памяти, например, возможность запоминания ассоциативных образов ограничена числом нейронов сети.
После нахождение формант на спектре, который находился при помощи алгоритма быстрого преобразования Фурье, производилось приведение вектора формант к виду входного вектора нейросети и её дальнейшее обучение на эталонных образцах. Некоторые недостатки сети привели к модификации алгоритма. Ее суть состоит в том, что создавался комплекс нейронных сетей Хопфилда, которые работают параллельно.
В работе разработана программа, реализующая алгоритм анализа аудиосигналов. Результаты работы программы оправдали ожидания. Нейросеть на базе этого алгоритма смогла распознать элементы речи, на которой ранее обучилась. Также большую роль сыграла ассоциативная память нейросети, что позволило ей справится с зашумленным образом. Модификация алгоритма позволила избавиться от образов «химер», увеличить скорость распознавания, а также снять ограничение на количество запоминаемых образов нейронной сетью Хопфилда.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.