but.committee	doc. RNDr. Pavel Smrž, Ph.D. (předseda) doc. Ing. Ondřej Ryšavý, Ph.D. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) doc. RNDr. Dana Hliněná, Ph.D. (člen) Ing. Jaroslav Rozman, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Co je to PCA (Principal Component Analysis), k čemu se používá a k čemu byste ji mohl využít ve vaší práci. Může ovlivnit výsledek trénování u RNN/LSTM když na vstup sítě dáme více rámců a nebo připojím delta a double-delta (rychlostní a akcelerační) coeficienty = vstup je již s časovým kontextem?	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Černocký, Jan	en
dc.contributor.author	Jon, Josef	en
dc.contributor.referee	Matějka, Pavel	en
dc.date.created	2017	cs
dc.description.abstract	Tato práce se zabývá detekcí kodeků z komprimovaného řečového signálu. Cílem bylo zjistit, jaké charakteristiky rozlišují jednotlivé kodeky a následně vytvořit prostředí vhodné pro experimenty s různými typy a konfiguracemi klasifikátorů. Použity byly Support vector machines a především neuronové sítě, které byly vytvořeny pomocí nástroje Keras. Hlavním přínosem této práce je experimentální část, ve které je analyzován vliv různých parametrů neuronové sítě. Po nalezení nejvhodnější kombinace parametrů dosáhla síť přesnosti klasifikace přes 98% na testovací sadě obsahující data z 6 kodeků.	en
dc.description.abstract	This thesis deals with codec detection from compressed speech signal. The primary goal was to identify which features distinguish selected codecs, and then create an environment facilitating experiments with various types of classifiers and their configurations. Support vector machines and neural networks, modeled using the Keras library, were used. The main contribution of this work is the experimental part, in which the effects of the neural networks parameters are discussed. After tuning the parameters and finding their optimal values, the network achieved accuracy over 98% on a test set comprising data from six different codecs.	cs
dc.description.mark	B	cs
dc.identifier.citation	JON, J. Codec Detection from Speech [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2017.	cs
dc.identifier.other	106090	cs
dc.identifier.uri	http://hdl.handle.net/11012/69730
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Neuronové sítě	en
dc.subject	klasifikace kodeků	en
dc.subject	zpracování řeči	en
dc.subject	LPC	en
dc.subject	Keras	en
dc.subject	strojové učení	en
dc.subject	Supportvector machines	en
dc.subject	SVM	en
dc.subject	GRU	en
dc.subject	LSTM	en
dc.subject	kodek	en
dc.subject	Neural networks	cs
dc.subject	codec classification	cs
dc.subject	speech processing	cs
dc.subject	LPC	cs
dc.subject	Keras	cs
dc.subject	machine learning	cs
dc.subject	Support vector machines	cs
dc.subject	SVM	cs
dc.subject	GRU	cs
dc.subject	LSTM	cs
dc.subject	codec	cs
dc.title	Codec Detection from Speech	en
dc.title.alternative	Codec Detection from Speech	cs
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2017-06-16	cs
dcterms.modified	2020-05-10-16:11:43	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	106090	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:01:04	en
sync.item.modts	2025.01.16 00:18:28	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Codec Detection from Speech

Files

Original bundle

Collections