but.committee	prof. Ing. Lukáš Sekanina, Ph.D. (předseda) doc. Ing. Zdeněk Vašíček, Ph.D. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) doc. Ing. Tomáš Martínek, Ph.D. (člen) Ing. Vojtěch Mrázek, 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, např. ohledně vyhodnocování modifikací akordů a dosažené přesnosti, účinnosti vyhodnocování při natrénovaním na skladně jiného žánru než později analyzované či možností detekce falešně zahraných tónů. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A - výborně . Otázky u obhajoby: Objasněte pojem "jazykový model" a jeho potřebu pro řešení - proč je třeba predikovat akordy, když ty tvoří samotnou skladbu a jejich rozpoznávání provádí neuronová síť (podobně jako navíc predikci v jazykovém modelu)? Jaký závěr dokážete vyvodit z naměřených dat týkajících se výpočetní náročnosti?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Vašíček, Zdeněk	cs
dc.contributor.author	Nodžák, Petr	cs
dc.contributor.referee	Bidlo, Michal	cs
dc.date.created	2020	cs
dc.description.abstract	Tato práce se zabývá automatickým rozpoznáváním akordů pomocí neuronových sítí. Tento problém byl rozdělen na dva podproblémy, první podproblém se zaměřuje na experimentální nalezení nejvhodnějšího akustického modelu a druhý na experimentální nalezení nejvhodnějšího jazykového modelu. K celkovému problému se přistupovalo iterativně, kdy nejdříve bylo nalezeno suboptimální řešení prvního podproblému a následně druhého. V práci bylo vytvořeno celkem 19 akustických a 12 jazykových architektur. Pro akustické modely bylo vytvořeno 10 trénovacích datasetů a pro jazykové 3. Celkem bylo natrénováno přes 200 modelů. Nejlepších výsledků bylo dosaženo na akustických modelech reprezentovaných konvolučními sítěmi spolu s jazykovými modely reprezentovanými rekurentními sítěmi s LSTM moduly.	cs
dc.description.abstract	This work deals with automatic chord recognition using neural networks. The problem was separated into two subproblems. The first subproblem aims to experimental finding of most suitable solution for a acoustic model and the second one aims to experimental finding of most suitable solution for a language model. The problem was solved by iterative method. First a suboptimal solution of the first subproblem was found and then the second one. A total of 19 acoustic and 12 language models were made. Ten training datasets was created for acoustic models and three for language models. In total, over 200 models were trained. The best results were achieved on acoustic models represented by convolutional networks together with language models represented by recurent networks with LSTM modules.	en
dc.description.mark	A	cs
dc.identifier.citation	NODŽÁK, P. Automatické rozpoznání akordů pomocí hlubokých neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129864	cs
dc.identifier.uri	http://hdl.handle.net/11012/194973
dc.language.iso	cs	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	Rozpoznávání akordů	cs
dc.subject	strojové učení	cs
dc.subject	hluboké neuronové sítě	cs
dc.subject	rekurentní neuronové sítě	cs
dc.subject	dataset.	cs
dc.subject	Chord recognition	en
dc.subject	machine learning	en
dc.subject	deep neural networks	en
dc.subject	recurent neural networks	en
dc.subject	dataset.	en
dc.title	Automatické rozpoznání akordů pomocí hlubokých neuronových sítí	cs
dc.title.alternative	Automatic Chord Recognition Using Deep Neural Networks	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2020-08-26	cs
dcterms.modified	2020-08-27-21:21:47	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129864	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:32:18	en
sync.item.modts	2025.01.15 17:42:42	en
thesis.discipline	Bioinformatika a biocomputing	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Automatické rozpoznání akordů pomocí hlubokých neuronových sítí

Files

Original bundle

Collections