|
|
|
|
| LEADER |
02955na a2200241 4500 |
| 003 |
HR-ZaFER |
| 005 |
20160604180749.0 |
| 008 |
160221s2015 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid2032
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Kokot, Mirko
|9 36912
|
| 245 |
1 |
0 |
|a Unaprijeđenje modula za klasifikaciju vokalizacije :
|b završni rad /
|c Mirko Kokot ; [mentor Zdenko Kovačić].
|
| 246 |
1 |
|
|a Advancement of Module for Vocalization Classification
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b M. Kokot,
|c 2015.
|
| 300 |
|
|
|a 31 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b preddiplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Automatika, šifra smjera: 33, datum predaje: 2015-06-12, datum završetka: 2015-09-07
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: U ovome radu razmatra se unaprijeđenje modula za klasifikaciju vokalizacije na robotu NAO H25. Unaprijeđenje modula je zamišljeno kao generalizirano unaprijeđenje koje je vrlo lako prilagoditi za razne situacije gdje je potrebno. Funkcionalnost ne smije biti preusko specificirana već mora postojati jednostavni način kako bi korisnik mogao prilagoditi modul ovisno o problematici zadatka gdje je klasifikacija zvuka potrebna. Kao glavni klasifikatori oduvijek se koriste razne značajke zvučnog zapisa. Postoje mnoge kvalitetne implementacije istih te se u ovome radu koristi gotove biblioteke za određivanje značajki kako bi se problematika klasifikacije promatrala samo s idejne i implementacijske strane samog modula. Kroz izradu rada razmatralo se razne aspekte problematike od kojih su najvažniji strojno učenje klasifikacije, automatski odabir značajki te filtriranje šuma i pozadinske buke.
|
| 520 |
3 |
|
|a Sažetak na engleskom: This paper discusses the improvement of the module for vocalization classification
on the robot NAO H25.
Improving the module is intended to be a generalized improvement which is very
easy to adapt to various situations where it is necessary. The functionality must not be
too narrowly specified and there must be a simple way for the user to customize the
module depending on the task where sound classification is required.
Sound features are always used as main classifiers. There are many high-quality
implementations to calculate sound features, and in this work we use precompiled
libraries to determine the features so the problem of classification is observed only on
the conceptual and implementation side of the module.
Through the work are discussed various aspects of the problem of which most
important are machine learning of classification, automatic selection of features and
background noise filtering.
|
| 653 |
|
1 |
|a klasifikacija zvukova, strojno učenje, filtriranje šuma, odabir značajki, NAO H25 robot
|
| 653 |
|
1 |
|a sound classification, machine learning, noise filtering, feature selection, NAO H25 robot
|
| 700 |
1 |
|
|a Kovačić, Zdenko
|4 ths
|9 9622
|
| 942 |
|
|
|c Z
|2 udc
|
| 999 |
|
|
|c 46153
|d 46153
|