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 D. Otázky u obhajoby: V práci pri popise topológie siete, používate rámec veľkosti 250ms, aký to ma výhody oproti bežným 25ms? Nie je to preklep? Toolkit CNTK obsahuje čítač príznakov v Kaldi formáte, prečo bolo teda nutné previesť do HTK formátu pre trénovanie?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Karafiát, Martin	cs
dc.contributor.author	Gajdár, Matúš	cs
dc.contributor.referee	Švec, Ján	cs
dc.date.created	2017	cs
dc.description.abstract	Táto bakalárska práca sa zaoberá problematikou neurónových sietí a ich využití v oblasti rozpoznávania reči. Na začiatok si priblížime teóriu rozpoznávania reči, následne na to nadväzuje problematika neurónových sietí spojená s vysvetlením metódy connectionist temporal classification. V ďalšej časti sú popísané nástroje vďaka ktorým sme mohli uskutočniť trénovanie neurónových sietí, spojené s popisom jednotlivých experimentov, ktoré sme spraviliaby sme zistili vplyv metódy connectionist temporal classification na presnosť predpovedania správnych foném. V záverečnej časti sa nachádza zhrnutie práce a celkové zhodnotenie experimentov.	cs
dc.description.abstract	This bachelor’s thesis deals with neural network and their use in speech recognition. Firstly,there is some theory about speech recognition, afterwards we show theory around neural networks in connection with connectionist temporal classification method. In next chapter we introduce toolkits, which were used for training of neural networks and also experiments done by them to find out impact of connectionist temporal classification method on precisionin phoneme decoding. The last chapter include summarization of work and overall evaluation of experiments.	en
dc.description.mark	D	cs
dc.identifier.citation	GAJDÁR, M. Nové techniky v oblasti trénování neuronových sítí - Connectionist temporal classification [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2017.	cs
dc.identifier.other	106129	cs
dc.identifier.uri	http://hdl.handle.net/11012/69892
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	Rozpoznávanie reči	cs
dc.subject	neurónové siete	cs
dc.subject	CTC	cs
dc.subject	LSTM	cs
dc.subject	CNTK	cs
dc.subject	EESEN	cs
dc.subject	Speech recognition	en
dc.subject	neural network	en
dc.subject	CTC	en
dc.subject	LSTM	en
dc.subject	CNTK	en
dc.subject	EESEN	en
dc.title	Nové techniky v oblasti trénování neuronových sítí - Connectionist temporal classification	cs
dc.title.alternative	New Techniques in Neural Networks Training - Connectionist Temporal Classification	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2017-06-16	cs
dcterms.modified	2020-05-10-16:12:32	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	106129	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:04:04	en
sync.item.modts	2025.01.17 09:56:47	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

Nové techniky v oblasti trénování neuronových sítí - Connectionist temporal classification

Files

Original bundle

Collections