Browsing by Author "Hájek, Martin"
Now showing 1 - 7 of 7
Results Per Page
Sort Options
- ItemIdentifikace indických jazyků z audio nahrávky s využitím hlubokých neuronových sítíHájek, Martin; Matějů Lukáš, Ing. Ph.D. : 64645Identifikace jazyka je disciplína, ve které je snaha co nejpřesněji klasifikovat jazyk z promluvy. Tato práce se věnuje identifikaci jazyka z audio nahrávek. Pro klasifikaci bylo vybráno šest indických jazyků. Použité nahrávky pocházely z Multilingual and Code-Switching 2021, kde se jedna úloha zabývala touto problematikou. Úloha je řešena ve dvou po sobě jdoucích krocích. V prvním kroku byly extrahovány nízkoúrovňové vlastnosti jazyka (akustická stránka). Pro extrakci vlastností zde byly zvoleny dva přístupy. První zvolený způsob reprezentace řeči jsou Mel-frekvenční kepstrální koeficienty (MFCC). Tyto příznaky jsou velmi využívané a ukazují se jako velmi vhodné. Jako další způsob reprezentace řeči, byly vybrány bottleneck příznaky. Tyto příznaky se generují pomocí předtrénované neuronové sítě. Jejich obliba a použití roste zejména v posledních letech. V dalším kroku je nutné příznaky klasifikovat. Pro klasifikaci zde bylo zvoleno strojové učení, konkrétně hluboké neuronové sítě. Jedná se o velmi užívanou metodu pro řešení této problematiky. Pro otestování byly vybrány dvě architektury, a to dopředné a konvoluční neuronové sítě.Se vstupy v podobě MFCC příznaků se u dopředných sítí podařilo dosáhnout úspěšnosti 73 % a u konvolučních 71 %. U obou architektur byly provedeny rozsáhlé testy, které měly za účel zlepšení její úspěšnosti. Po otestování obou architektur na MFCC příznacích byly vstupy vyměněny za bottleneck příznaky. S využitím těchto příznaků se podařilo zvýšit úspěšnost u obou architektur o 10 %. Pro porovnání byly v práci natrénovány převzaté návrhy sítí. Tyto návrhy nepřekonaly svou úspěšností návrhy vytvořené během práce. Jako nejlepší systém byly zvoleny dopředné neuronové sítě ve spojení s bottleneck příznaky s celkovou úspěšností 83 %. Na závěr práce byla vytvořena aplikace, která obsahuje modely natrénované během práce. Aplikace byla vytvořena pro Python pomocí Tkinter modulu. Aplikace má za úkol demonstrovat funkčnost jednotlivých řešení.
- Item
- ItemŘešení modelových úloh proudění a transportu v puklinovém prostředí.(Technická Univerzita v Liberci, 2009) Hájek, Martin; Havlíček, JiříBakalářská práce se zabývá řešením modelových úloh proudění v puklinovém prostředí. V úvodní kapitole je definován základní fyzikální popis proudění v puklinovém prostředí, ze kterého všechny realizované úlohy vycházejí. Následuje definice okrajových podmínek a rozdělení modelů z hlediska použitého přístupu na modely založené na diskrétních puklinových sítích, náhradě puklinového prostředí porézním a modely založené na kombinaci obou předešlých přístupů (tzv. kombinované modely). Další kapitola obsahuje popis použitých softwarových nástrojů včetně vstupních a výstupních souborů, a dalších, pro modely puklinového prostředí specifických, vlastností. Jsou jimi například způsoby spojení elementů, zadávání okrajových podmínek, výpočet proudění pomocí programu Flow123D a měření toku modelem. Všechny řešené úlohy vycházejí z diskrétní puklinové sítě, vytvořené na základě dat získaných měřením na reálném horninovém masivu. Na této kompatibilně spojené síti, která byla z hlediska hydraulických vlastností uvažována jako referenční, se testoval program reduktor puklinové sítě. Nekompatibilně spojená síť byla vytvořena pomocí jedné z variant, získané redukcí základní úlohy. Na této byla sledována závislost toku na diskretizaci puklin a také na přestupovém koeficientu sigma. Jako poslední se řešila kombinovaná úloha, pro kterou je uveden výpočet vodivosti 2D elementů reprezentujících malé (odstraněné) pukliny, a grafické znázornění závislosti toku na vodivosti kontinua (tvořeným již zmíněnými 2D elementy). U všech změn parametrů jednotlivých úloh byl sledován vliv na hydraulické vlastnosti.