Prepoznavanje hrvatskih riječi pomoću Nao robota

Sažetak na hrvatskom: U ovom radu osmišljen je sustav za prepoznavanje glasovnih naredbi za NAO robota. Implementirane su glavne komponente takvog sustava. Osmišljen je i implementiran sustav za prikupljanje glasovnih naredbi u formi web aplikacije. Uspoređena su dva postupka ekstrakcije značajki iz...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:45478/Details
Glavni autor: Bagić, Matija (-)
Ostali autori: Bogdan, Stjepan (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, M. Bagić, 2014.
Predmet:
LEADER 02528na a2200229 4500
003 HR-ZaFER
005 20160516012019.0
008 160221s2014 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid1333 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Bagić, Matija  |9 34914 
245 |a Prepoznavanje hrvatskih riječi pomoću Nao robota :  |b diplomski rad /  |c Matija Bagić ; [mentor Stjepan Bogdan]. 
246 1 |a Recognition of Croatian words with NAO Robot  |i Naslov na engleskom:  
260 |a Zagreb,  |b M. Bagić,  |c 2014. 
300 |a 32 str. ;  |c 30 cm +  |e CD-ROM 
520 3 |a Sažetak na hrvatskom: U ovom radu osmišljen je sustav za prepoznavanje glasovnih naredbi za NAO robota. Implementirane su glavne komponente takvog sustava. Osmišljen je i implementiran sustav za prikupljanje glasovnih naredbi u formi web aplikacije. Uspoređena su dva postupka ekstrakcije značajki iz zvučnih zapisa, te su mel-frekvencijski kepstralni koeficijenti odabrani zbog manje vremenske složenosti. Odabrana su tri klasifikatora - stroj s potpornim vektorima, k najbližih susjeda te nasumična šuma. Sva tri klasifikatora evaluirana su na istom skupu primjera, te je zaključeno kako najbolje performanse pokazuje stroj s potpornim vektorima. Cijeli sustav implementiran je u programskom jeziku Python uz korištenje više pomoćnih modula. 
520 3 |a Sažetak na engleskom: The paper describes a speech-recognition system for the NAO robot. The main components of such a system have been developed and implemented. The system is comprised of a speech recording web application, feature-extraction and classification. Linear predictive coding (LPC) and mel-frequency cepstral coefficients (MFCC) have been compared as two possible feature-extraction procedures, and the MFCC was chosen as the faster one. Three classification algorithms have been compared - k Nearest Neighbours (kNN), Support Vector Machine (SVM) and Random Forest, and SVM was chosen for the highest prediction accuracy. The whole system was implemented in the Python programming language, using a number of modules. 
653 1 |a prepoznavanje govora, Nao robot, k najbližih susjeda, stroj s potpornim vektorima, nasumična šuma, linearno prediktivno kodiranje, mel-frekvencijski kepstralni koeficijenti 
653 1 |a speech recognition, Nao robot, k nearest neighbors, support vector machine, random forest, linear predictive coding, mel-frequency cepstral coefficients 
700 1 |a Bogdan, Stjepan  |4 ths  |9 9561 
942 |c Y  |2 udc 
999 |c 45478  |d 45478