Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/33884
Назва: Інформаційно-програмне забезпечення підвищення роздільної здатності голосових сигналів для керування кліматом в закритих приміщеннях
Інші назви: Information and software to increase the resolution of voice signals for indoor climate control
Автори: Озеранець, Олексій Петрович
Ozeranets, Oleksii Petrovich
Бібліографічний опис: Озеранець О. П. Інформаційно-програмне забезпечення підвищення роздільної здатності голосових сигналів для керування кліматом в закритих приміщеннях : дипломна робота магістра за спеціальністю „152 — метрологія та інформаційно-вимірювальна техніка“ / О. П. Озеранець. — Тернопіль : ТНТУ, 2020. — 115 с.
Дата публікації: 24-гру-2020
Дата внесення: 30-гру-2020
Видавництво: ТНТУ ім. І. Пулюя
Країна (код): UA
Місце видання, проведення: ТНТУ ім. І. Пулюя
Науковий керівник: Яворська, Мирослава Іванівна
Члени комітету: Дозорський, Василь Григорович
УДК: 004.56
Теми: 152
метрологія та інформаційно-вимірювальна техніка
розпізнавання
програмне забезпечення
нейронні мережі
достовірність
recognition
software
neural networks
reliability
Кількість сторінок: 115
Короткий огляд (реферат): Магістерську роботу присвячено покращення точності розпізнавання голосу в пристроях призначених для керування кліматом. Використано нейронні мережі, які показали вагомі результати в процесах розпізнавання образів , в процесах прогнозування , класифікацій ,рукописного тексту та мовлення, у задачах розпізнавання мови.
The master's thesis is devoted to improving the accuracy of voice recognition in devices designed for climate control. Neural networks were used, which showed significant results in the processes of pattern recognition, in the processes of prediction, classification, handwritten text and speech, in speech recognition problems
Зміст: ВСТУП 1. Голосове керування. 1.1. Керування з підтримкою голосу 1.2. Поняття, призначенння і види голосового управлінння. 1.2.1. Поняття голосового управління. 1.2.2. Призначення приладів визначення мови. 1.2.3. Види голосового управління. 1.3. Синтез мови в голосовому управлінні. 1.4. Оцифрування звуку. 1.5. Тест ринку систем голосового управління. 1.6. Завдання управління кліматом в будинку. 1.7. Тест останніх досліджень і підсумків. 1.8 Висновки до розділу 1. 2. Нейронні мережі в розпізнанні мовлення. 2.1. Система розпізнання мови. 2.2. Нейронна мережа Кохонена. 2.3. Векторне квантування за допомогою нейронної мережі Кохонена. 2.4. Багатошаровий пересептрон для розпізнання. 2.5. Нейромережа із затримкою часу для розпізнавання. 2.6. Прикована нейронна мережа управління для розпізнавання. 2.7. Висновок до розділу 2. 3.1. Огляд шляхів проекту. 3.2. Складові проекту. 3.3. Опис проекту. 3.4. Висновок до розділу 3. 4. Дослідження і опрацювання звукових сигналів засобів MATLAB. 5.1. Класи виробничих та складених приміщень по вибуховій та пожежній небезпеці. 5.2. Забезпечення електробезпеки користувачів ПК. 5.3. Висновки до п’ятого розділу. ВИСНОВКИ ПЕРЕЛІК ПОСИЛАНЬ
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/33884
Власник авторського права: © Озеранець Олексій Петрович, 2020
Перелік літератури: СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 1. Ардуїно [Електронний ресурс] // Arduino.ru. – 2015. – Режим доступудо ресурсу: http://arduino.ru/. 2. Перспективи на ринку систем голосового управління [Електронний ресурс] // Хабрахарбр. – 2016. – Режим доступу до ресурсу: https: //habrahabr.ru/post/232613/. 3. Розпізнавання мови. [Електронний ресурс] // Вікіпедія. – 2007. – Режим доступу до ресурсу: https://ru.wikipedia.org/wiki/Распознавание_речи. 4. Голосове управління [Електронний ресурс] // Вікіпедія. – 2007. – Режим доступу до ресурсу: https://ru.wikipedia.org/wiki/Голосовое_управление. 5. Уллі С. Программирование микроконтроллерных плат Arduino/Freeduino / Соммер Уллі. – Петербург, 2012. 6. Ревич Ю. Цікава електроніка / Юрій Ревич. – Петербург, 2015. 7. Карвинен Т. Робимо сенсори. Проекти сенсорних пристроїв на базі Arduino і Raspberry Pi / Т. Карвинен, К. Карвинен, В. Валтокарі., 2015. 8. Петрін В. О. Проекти з використанням контролера Arduino. 2 изд. / Віктор Олександрович Петрін.. 9. Голосове управління Arduino засобами Processing і Google Speech API [Електронний ресурс]. – 13. – Режим доступу до ресурсу: https://habrahabr.ru/post/236673/. 10. Голосове управління вимикачами на Arduino [Електронний ресурс].–30.Режимдоступудоресурсу: http://compcar.ru/forum/showthread.php?t=8016.11. Перетворення Лапласа [Електронний ресурс] // Вікіпедія – Режим доступу до ресурсу: https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%B5%D0%BE%D0% B1%D1%80%D0%B0%D0%B7%D0%BE%D0%B2%D0%B0%D0%BD%D0%B 8%D0%B5_%D0%9B%D0%B0%D0%BF%D0%BB%D0%B0%D1%81%D0%B 0 12. Частота дискретизації [Електронний ресурс] // ВІкіпедія – Режим доступудоресурсу :https://uk.wikipedia.org/wiki/%D0%A7%D0%B0%D1%81%D1%82%D0 %BE%D1%82%D0%B0_%D0%B4%D0%B8%D1%81%D0%BA%D1%80%D0 %B5%D1%82%D0%B8%D0%B7%D0%B0%D1%86%D1%96%D1%97. 13. Навіщо потрібні Powerline адаптери [Електронний ресурс] // Lantorg. – 2017. – Режим доступу до ресурсу: https://lantorg.com/article/zachem-nuzhnypowerline-adaptery. 14. Інтернет з розетки: загальні принципи роботи технології і огляд Powerline-адаптера TP-LINK TL-PA6010 [Електронний ресурс] // 3dNews. – 2014. – Режим доступу до ресурсу: https://3dnews.ru/821880. 15. Домашній міні-клімат-контроль своїми руками [Електронний ресурс]. – 2013. – Режим доступу до ресурсу: https://geektimes.ru/post/258012/. 16. Система "Розумний будинок" для заміського будинку на Arduino Mega2560, HC-05, SIM900, DHT11,3-х DS18B20, RTC-DS1302 [Електронний ресурс] // Arduino.ru. – 2015. – Режим доступу до ресурсу: http://arduino.ru/forum/proekty/sistema-umnyi-dom-dlya-zagorodnogo-domanaarduino-mega2560-hc-05-sim900dht113-kh-ds18. 17. Фролов А. В. Синтез и распознавание речи. Современные решения. [Електронний ресурс] / А. В. Фролов, Г. В. Фролов. – 2003. – Режим доступу до ресурсу: http://www.frolov-lib.ru/books/hi/index.html.18. Квитко М.В. Распознаваниеречи с помощью глубокихрекуррентных нейронныхсетей [Електронний ресурс]/ Квитко М.В. // IASA –2016 р. –223 стр. –Режим доступу: http://sait.kpi.ua/media/filer_public/73/32/7332a68e-e93b-4c57-a3c8- 66f11ee074cd/sait2016ebook.pdf 19. Голосове управління Arduino засобами Processing і Google Speech API [Електронний ресурс]. – 13. – Режим доступу до ресурсу: https://habrahabr.ru/post/236673/. 20. Мясищев А. А. Управление голосом с помощью Android и Arduino [Електронний ресурс] / А. А. Мясищев. – 2015. – Режим доступу до ресурсу: http://khnu.km.ua/root/kaf/ksm/my_syte_g/. 21. Mohri M. Speech recognition with weighted finite-state transducers. In Springer Handbook of Speech Processing / M. Mohri, M. Pereira, F. Riley. // Springer Berlin Heidelberg. – 2008. – С. 559–584. 22. Hinton, G., Deng, L., Yu, D., Dahl, G. E., Mohamed, A. R., Jaitly, N. et al. (2012). Deep neural networks for acoustic modeling in speech recognition: The shared views of four research groups. Signal Processing Magazine, IEEE, 29(6), 82-97. 23. Jurafsky D., Martin J.H. (2008) Speech and language processing, 2nd edition. Prentice Hall. 24. Голосове керування [Електронний ресурс] // Wikipedia. – 2007. – Режим доступу до ресурсу: https://ru.wikipedia.org/wiki/Голосовое_управление. 25. Дискретное преобразование Фурье. Википедия. [Electronic resource]. – Mode of access: https://ru.wikipedia.org/wiki/Дискретное_преобразование_Фурье. 26. Fast Artificial Neural Network Library(FANN). [Electronic resource]. - Mode of access: http://leenissen.dk/fann/wp/. 27. Audacity. Википедия.[Electronic resource]. Mode of access: https://ru.wikipedia.org/wiki/Audacity. 28. Arduino. Официальный сайт. [Electronic resource]. - Mode of access: http://arduino.cc , 2015. 29. Круглов В. Искусственные нейронные сети / В. Круглов, В. Борисов. – Горячая Линия – Телеком, 2001. 30. Холоденко А.Б., ―О построении статистических языковых моделей для систем распознавания русской речи‖ // Интеллектуальные системы, 2002. Т.6. Вип. 1-4. С. 381-394. 31. MIT Lectures 2003. http://ocw.mit.edu/courses/electricalengineeringandcomputer-science/6-345-automatic-speech-recognition-spring- 2003/downloadcourse-materials/ 32. Фант. Г. Акустическая теория речеобразования. «Наука». Москва 1964. 4. Picone J. Fundamentals of speech recognition: a short course.1996. http://speech.tifr.res.in/tutorials/fundamentalOfASR_picone96.pdf 33. Алдошина И. Основы психоакустики. http://giga.kadva.ru/files/edu/AldoshinaPsychoacoustics.pdf 34. Слуховая система. серия "Основы современной физиологии". "Наука", Ленинград, 1990. 35. Seneff S. ―Pitch and Spectral Analysis of Speech Based on an Auditory Synchrony Model‖, Technical Report 504, January 1985 8. Hermansky H. (1997): ―Should recognizers have ears?‖, In RSR-1997, 1-10. 36. Маркел Дж.Д., Грей А.Х., Линейное предсказание речи, Москва,"Связь", 1980. 37. Hermansky H., Morgan N., "RASTA Processing of Speech", in IEEE Transaction on Speech and Audio Processing, Vol. 2, No. 4, pp. 587-589, October 1994.38. Карпов А.А., Кипяткова И.С., Методология оценивания работы систем автоматического распознавания речи // Известия вузов. Приборостроение, Т. 55, № 11, 2012, С. 38-43. 39. Левенштейн В.И., Двоичные коды с исправлением выпадений, вставок и замещений символов. Доклады Академий Наук СССР, 1965, 163.4:845- 848. 40. Kurimo M., Creutz M., Varjokallio M., Arsoy E., Saraclar M., Unsupervised segmentation of words into morphemes - Morpho challenge 2005 41. Application to automatic speech recognition. In Proc. INTERSPEECH-2006, Pittsburgh, USA, 2006, pp. 1021-1024. 42. Schlippe T., Ochs S., Schultz T., Grapheme-to-Phoneme Model Generation for Indo-European Languages. In Proc. ICASSP-2012, Kyoto, Japan, 2012. 43. Huang C., Chang E., Zhou J., Lee K. Accent modeling based on pronunciation dictionary adaptation for large vocabulary Mandarin speech recognition. In Proc. INTERSPEECH-2000, Beijing, China, 2000, pp. 818-821 44. Hannemann M., ―Combinations of Confidence Measures for the Detection of Out-of-Vocabulary Segments in Large Vocabulary Continuous Speech Using Differently Constrained Recognizers‖, Otto-von-Guericke-Universitat Magdeburg, 21. April 2008. 45. Bourlard H., Wellekens C.J., ―Links between Markov models and multilayer perceptrons‖, IEEE Transactions on Pattern Analysis and Machine 46. Bourlard H., Hermansky H., Morgan N., ―Towards increasing speech recognition error rates‖, Speech Communication, Vol. 18, 1996, p.p. 205–231. 47. Hornik K., Stinchcombe M., White H., ―Multilayer feedforwardnetworks are universal approximators‖, Neural Netw. Vol. 2(5), 1989, pp. 359–366.48. Hinton G., Deng L., Yu D., Dahl G., Mohamed A., Jaitly N., Senior A., Vanhoucke V., Nguyen P., Sainath T., Kingsbury B., ―Deep neural networks for acoustic modeling in speech recognition: The shared views of four research groups‖, IEEE Signal Process. Mag., Vol. 29, No. 6, Nov. 2012, pp. 82–97. 55. Dong Yu, Li Deng, ―Automatic Speech Recognition. A Deep Learning Approach‖, Springer- Verlag, London. 2015, 321 p. 49. Чистович Л.А. и др., «Руководство по физиологии. Физиология речи. Восприятие речи человеком», «Наука», Ленинград, 1976. 50. Hermansky H., Ellis D., Sharma S., ―Tandem connectionist feature extraction for conventional HMM systems‖, Proc. ICASSP-2000, Istanbul. 2000. V. 3. pp. 1635– 1638. 51. Eng, L., Chen, J., ―Sequence classification using high-level features extracted from deep neural networks.‖ In: Proceedings of the International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2014, pp. 6894- 6898. 52. Hochreiter S., Schmidhuber J., ―Long short-term memory.‖ Neural Computation, V. 9(8), 1997, pp. 1735–1780. 53. Pascanu R., Mikolov T., Bengio Y., ―On the difficulty of training recurrent neural networks‖, Cornell University Library, arXiv:1211.5063 [cs.LG], 2013.
Тип вмісту: Master Thesis
Розташовується у зібраннях:152 — метрологія та інформаційно-вимірювальна техніка

Файли цього матеріалу:
Файл Опис РозмірФормат 
Avtorska_Ozeranets_O_2020.doc53 kBMicrosoft WordПереглянути/відкрити
Dyplom_Ozeranets_O_2020.pdf4,48 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора