Управління роботизованими системами з використанням голосових команд на основі генетичних алгоритмів

Тип публікації :
Магістерська робота
Дата випуску :
2021
Автор(и) :
Терпіловський Єгор Олександрович
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Терпіловський, Є. О. (2021). Управління роботизованими системами з використанням голосових команд на основі генетичних алгоритмів. [Магістерська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/2856
[ДСТУ] Терпіловський Є. О. Управління роботизованими системами з використанням голосових команд на основі генетичних алгоритмів : кваліфікаційна робота магістра : 12 Інформаційні технології. Київ, 2021. 60 с. URL: https://ir.library.knu.ua/handle/123456789/2856 (дата звернення: 17.07.2026).
В цій кваліфікаційній роботі були вивчені, дослідженні, зіставлені і проаналізовані кілька методів навчання нейронних мереж розпізнаванню голосових команд. Виявлено переваги та недоліки розглянутих методів. На основі побудованої моделі нейронної мережі і обраного методу навчання було написано програмне забезпечення, що повністю відповідає поставленому завданню. Було розроблено механізм попередньої обробки вхідних голосових команд, а саме: попередня фільтрація команди, розділення команди на фрейми, обробка фреймів у віконній функції, нормалізація даних у фреймах. Було навчено нейронну мережу за допомогою генетичного алгоритму, на даних, які являють собою певну кількість записаних однакових голосових команд, вимовлених з різною інтонацією та гучністю, та попередньо оброблених для підвищення точності навчання нейронної мережі. Було розроблено бібліотеку класів генетичного алгоритму, яка надає API для користування її в якості алгоритму навчання нейронної мережі. В даній роботі помітна швидкість і точність розпізнавання команд. Генетичні алгоритми виправдали очікування швидкості навчання нейронної мережі та стійкість до застрягання функції помилки у локальному мінімумі на відміну від алгоритму зворотного поширення помилок. Крім того, генетичні алгоритми набагато легше зрозуміти і написати, ніж зворотне поширення, але у них також є свої недоліки. Одна з них – це не проста операція масштабування створеної моделі, тому що якщо вам необхідно додати більше слів в одну команду, функцію придатності (адаптації) доведеться змінити, а також перевчити мережу.
Результатом дослідження є те, що генетичні алгоритми можуть бути серед кандидатів на найефективніший алгоритм навчання нейронної мережі для розпізнавання людських голосових команд з метою управління роботизованою системою.
Галузі знань та спеціальності :
12 Інформаційні технології
121 Інженерія програмного забезпечення
Файл(и) :
Вантажиться...
Ескіз
Формат :

Adobe PDF

Розмір :

1.3 MB

Контрольна сума :

(MD5):ecc65c5e682bf3f023c25f8b50a36b08

Creative Commons Attribution-NonCommercial 4.0 International
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International