(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

81 82 0
(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm(Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

... tích liệu nhịp thở thu Phương pháp tiếp cận để phát phân loại nhịp thở sử dụng Học sâu đa nhiệm Cuối cùng, luận văn xin trình bày sơ lược ứng dụng phát phân loại nhịp thở dựa Học sâu đa nhiệm Hoạt... nhiều phương pháp học sâu đưa ra, số có phương pháp Học sâu đa nhiệm, từ mơ hình thực nhiều nhiệm vụ phát phân loại nhịp thở, độ xác cải thiện sử dụng phương pháp Nhờ đó, việc sử dụng trí tuệ...HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - TRẦN ANH ĐẠT NGHIÊN CỨU MỘT SỐ PHƯƠNG PHÁP PHÁT HIỆN VÀ PHÂN LOẠI NHỊP THỞ SỬ DỤNG MẠNG HỌC SÂU ĐA NHIỆM CHUYÊN NGÀNH : KHOA HỌC

Ngày đăng: 02/05/2022, 10:27

Hình ảnh liên quan

Hình 2-1: Quy trình xử lý của bộ lọc RNNoise - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

1: Quy trình xử lý của bộ lọc RNNoise Xem tại trang 37 của tài liệu.
Do mô hình RNNoise của tác giả sẵn có không phù hợp nên học viên đã thực hiện xây dựng mô hình RNNoise với dữ liệu âm thanh nhịp thở như thể hiện trong  hình 2-2 - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

o.

mô hình RNNoise của tác giả sẵn có không phù hợp nên học viên đã thực hiện xây dựng mô hình RNNoise với dữ liệu âm thanh nhịp thở như thể hiện trong hình 2-2 Xem tại trang 39 của tài liệu.
Hình 2-3: Quá trình trích chọn đặc trưng MFCC - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

3: Quá trình trích chọn đặc trưng MFCC Xem tại trang 40 của tài liệu.
Hình 2-4: Dữ liệu âm thanh hơi thở biểu diễn dưới dạng phổ đặc trưng Mel - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

4: Dữ liệu âm thanh hơi thở biểu diễn dưới dạng phổ đặc trưng Mel Xem tại trang 42 của tài liệu.
Hình 2-5: Một đoạn của mạng nơ-ron hồi quy - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

5: Một đoạn của mạng nơ-ron hồi quy Xem tại trang 44 của tài liệu.
Hình vẽ 2-3 trên mô tả một đoạn của mạng nơ-ron hồi quy A với đoạn đầu vào x t và đầu ra ht  - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình v.

ẽ 2-3 trên mô tả một đoạn của mạng nơ-ron hồi quy A với đoạn đầu vào x t và đầu ra ht Xem tại trang 44 của tài liệu.
Hình 2-7: Một chuỗi mạng LSTM với mỗi module bao gồm 4 tầng tương tác - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

7: Một chuỗi mạng LSTM với mỗi module bao gồm 4 tầng tương tác Xem tại trang 45 của tài liệu.
Hình 2-8: Mô hình mạng BiLSTM - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

8: Mô hình mạng BiLSTM Xem tại trang 46 của tài liệu.
Hình 2-9: Cấu trúc bộ thư viện Keras - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

9: Cấu trúc bộ thư viện Keras Xem tại trang 48 của tài liệu.
Hình 2-10: Cấu trúc một khối LSTM - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

10: Cấu trúc một khối LSTM Xem tại trang 49 của tài liệu.
Hình 2-12: Hai thành phần chính tham gia xây dựng mô hình - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

12: Hai thành phần chính tham gia xây dựng mô hình Xem tại trang 50 của tài liệu.
Hình 2-11: Kiến trúc mạng BiLSTM phát hiện tiếng nhịp thở - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

11: Kiến trúc mạng BiLSTM phát hiện tiếng nhịp thở Xem tại trang 50 của tài liệu.
Quá trình lan truyền ngược được framework keras tính sẵn dựa trên cấu hình mạng được khai báo bằng cách sử dụng phương thức fit của model - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

u.

á trình lan truyền ngược được framework keras tính sẵn dựa trên cấu hình mạng được khai báo bằng cách sử dụng phương thức fit của model Xem tại trang 52 của tài liệu.
Một số tham số cấu hình được lựa chọn trong quá trình training dữ liệu và tạo LSTM Model:  - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

t.

số tham số cấu hình được lựa chọn trong quá trình training dữ liệu và tạo LSTM Model: Xem tại trang 53 của tài liệu.
Hình 2-13: Sơ đồ hệ thống phát hiện và phân loại nhịp thở - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 2.

13: Sơ đồ hệ thống phát hiện và phân loại nhịp thở Xem tại trang 55 của tài liệu.
Bảng 3-1: So sánh kết quả thử nghiệm lấy mẫu dữ liệu âm thanh - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Bảng 3.

1: So sánh kết quả thử nghiệm lấy mẫu dữ liệu âm thanh Xem tại trang 58 của tài liệu.
Chương 3. THỰC NGHIỆM, ĐÁNH GIÁ KẾT QUẢ PHÂN LOẠI NHỊP THỞ  - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

h.

ương 3. THỰC NGHIỆM, ĐÁNH GIÁ KẾT QUẢ PHÂN LOẠI NHỊP THỞ Xem tại trang 58 của tài liệu.
Bảng 3-2: Kịch bản thu thập dữ liệu - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Bảng 3.

2: Kịch bản thu thập dữ liệu Xem tại trang 59 của tài liệu.
Bảng 3-3: Số liệu về dữ liệu âm thanh nhịp thở - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Bảng 3.

3: Số liệu về dữ liệu âm thanh nhịp thở Xem tại trang 60 của tài liệu.
Bảng 3-4: Số lượng dữ liệu nhịp thở sau khi cắt dữ liệu - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Bảng 3.

4: Số lượng dữ liệu nhịp thở sau khi cắt dữ liệu Xem tại trang 60 của tài liệu.
Hình 3-1: Thiết bị Raspberry Pi - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 3.

1: Thiết bị Raspberry Pi Xem tại trang 61 của tài liệu.
Thời gian hoạt động ~6 giờ Khoảng cách truyền dẫn 80m  - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

h.

ời gian hoạt động ~6 giờ Khoảng cách truyền dẫn 80m Xem tại trang 62 của tài liệu.
Hình 3-2: Giao diện làm việc của phần mềm xử lý âm thanh Audacity 2.1.0 - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 3.

2: Giao diện làm việc của phần mềm xử lý âm thanh Audacity 2.1.0 Xem tại trang 62 của tài liệu.
Hình 3-3: Minh họa việc gán nhãn âm thanh nhịp thở - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

Hình 3.

3: Minh họa việc gán nhãn âm thanh nhịp thở Xem tại trang 63 của tài liệu.
- Thực nghiệm 1: Đánh giá đặc trưng với mô hình học sâu BiLSTM. Trong thực nghiệm, học viên đánh giá các đặc trưng sử dụng phân tích âm thanh  và  chọn  đặc  trưng  nào  tốt  nhất  trong  các  đặc  trưng  sau:  spectrogram,  MFCC và MFCC sau khi sử dụng l - (Luận văn thạc sĩ) Nghiên cứu một số phương pháp phát hiện và phân loại nhịp thở sử dụng mạng học sâu đa nhiệm

h.

ực nghiệm 1: Đánh giá đặc trưng với mô hình học sâu BiLSTM. Trong thực nghiệm, học viên đánh giá các đặc trưng sử dụng phân tích âm thanh và chọn đặc trưng nào tốt nhất trong các đặc trưng sau: spectrogram, MFCC và MFCC sau khi sử dụng l Xem tại trang 65 của tài liệu.

Từ khóa liên quan

Tài liệu cùng người dùng

Tài liệu liên quan