Використання машинного навчання у задачах класифікації звуків

Автор(и)

  • Mykola Glybovets Національний університет «Києво-Могилянська академія», Ukraine
  • Anastasiia Zhyrkova Національний університет «Києво-Могилянська академія», Ukraine

DOI:

https://doi.org/10.18523/2617-3808.2019.2.22-31

Ключові слова:

класифікація, машинне навчання, метод k-найближчих сусідів, метод опорних векторів, випадковий ліс, нейронні мережі, контроль за k-блоками, метод відкладених даних, сітковий пошук

Анотація

У роботі розглянуто особливості використання методів машинного навчання (МН) для класифікації звукової інформації на прикладі розв’язку задачі класифікації міських звуків (МЗ). Дослідження з аналізу міських акустичних середовищ є досить обмеженими. Більше того, у цих дослідженнях основна увага фокусується на класифікації місць, які характеризують певні звуки, наприклад, парку, вулиці, на відміну від ідентифікації джерел звуку в них, таких як автомобільний сигнал, постріл тощо. Тому класифікація МЗ – досить актуальна проблема, що потребує вирішення. Метою роботи є висвітлення побудови оптимальних моделей МН для задачі коректної класифікації МЗ.

Біографії авторів

Mykola Glybovets, Національний університет «Києво-Могилянська академія»

доктор фізико-математичних наук, професор кафедри інформатики факультету інформатики Національного університету «Києво-Могилянська академія»

glib@ukma.edu.ua

Anastasiia Zhyrkova, Національний університет «Києво-Могилянська академія»

бакалавр, напрям «Інформатика», 4-й курс факультету інформатики Національного університету «Києво-Могилянська академія»

anastasia.zhyrkova@ukma.edu.ua

Посилання

  1. Brink, H., Richards, D., & Feverolf, M. (2018). Mashinnoe obuchenie. Sankt-Peterburg: Piter [in Russian].
  2. Keras: The Python Deep Learning library. Retrieved from https://keras.io/.
  3. Module: Display. Retrieved from https://ipython.readthedocs.io/en/stable/api/generated/IPython.display.html.
  4. Music Genre Classification With Python. Retrieved from https://towardsdatascience.com/music-genre-classification-with-python-c714d032f0d8.
  5. Music software written in Python. Retrieved from https://wiki.python.org/moin/PythonInMusic.
  6. Nielsen, M. A. (2015). Neural Networks and Deep Learning. Determination Press.
  7. Python Data Analysis Library. Retrieved from https://pandas.pydata.org/.
  8. scikit-learn. Retrieved from https://scikit-learn.org/stable/.
  9. Shalev-Shwartz, S., & Ben-David, S. (2017). Understanding machine learning: From theory to algorithms. Cambridge: Cambridge University Press.
  10. This Is What Makes Keras Different, According To Its Author. Forbes, 2016. Retrieved from https://www.forbes.com/sites/quora/2016/08/25/this-is-what-makes-keras-different-according-to-its-author/#2c7851fa66cf.
  11. Urban Sound Classification. Retrieved from https://www.kaggle.com/pavansanagapati/urban-sound-classification.

##submission.downloads##

Як цитувати

[1]
M. Glybovets і A. Zhyrkova, «Використання машинного навчання у задачах класифікації звуків», NRPCOMP, т. 2, с. 22–31, Груд 2019.