Geri Dön

Wavelet dönüşümü ile yapay sinir ağlarını kullanarak ses dalgalarının tanımlanması

Determination of wavelet transform and neural network that is used by voice waves

  1. Tez No: 138976
  2. Yazar: MEHMET ALGİL
  3. Danışmanlar: DOÇ. DR. CEBRAİL ÇİFTLİKLİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Dalgacık Dönüşümü, Ses Tanımlama, Yapay Sinir Ağları, Wavelet Transform, Voice Determination, Neural Network
  7. Yıl: 2003
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 101

Özet

Bu çalışmada, Dalgacık Dönüşümünün ses tanımlama işleminde kullanımı incelenmiştir. Bu inceleme yapılırken dalgacık dönüşümü çıkışlarım karşılaştırabilmek ve bunlardan anlamlı bir sonuç çıkarabilmek için“Yapay Sinir Ağı”kullanılmıştır. Çoğu bilimsel araştırmalar sadece teoride kalmaktadırlar, fakat ses tanımlama bu araştırmalar gibi değildir. Ses tanımlama işlemi bir çok farklı yöntemle daha önce de yapılmaya çalışılmıştır. Bu yöntemlerde bazı modellemelerden faydalamlmıştır. Bunlar AR, MA, ARMA modellemeleri, STFT ve Fourier Dönüşümleridir. Bu modellemeler sonucunda elde edilen bulgular ki bunlar pik periyodu, ses dalgasının merkez frekansı gibi bilgilerdir, kesin sonuçlar vermemektedir. Ses verüerinin ortak özellikleri hiçbir şekilde birbMerinin aynısı olmamalarıdır. Dolayısıyla bir veri için bulunmuş sonuçlar aynı ses için başka dalgayla uyumsuzluk göstermektedir. Bu sebepten dolayı ADD çıkışları Yapay Sinir Ağlarına uygulanmıştır. Dalgacık çıkışları olarak da ses dalgalarının 4. ve 5. seviyeye indirgenmiş“öz”çıkışları kullamlmıştır. Bunun nedeni ise çıkışların ses dalgası girişlerine mükemmel derecede benzemesi ve her harfin kendisine özgü bir öz dalgasına sahip olmasıdır. Çalışmada ilk Bölümde Dalgacık Dönüşümü ve Dalgacık serilerinin tanımı yapıldı. Daha sonra Dalgacık uygulaması gösterilmiş son bölümde ise dalgacık dönüşümü sonuçları YSA'ya öğretilmeye çalışılmıştır.

Özet (Çeviri)

In this thesis, It has been examined the usage of wavelet Trasfonn for definition of voice. During the examinition, to compare the wavelet transform outputs and to take meaning results from these, the neural network has been used. Most of the scientific researches, only take place in theory, but voice definition mustn't be like this. Voice definition process had been done by different methods. On these methods, It had been utilized from such modellation. These are AR, ARMA, MA modulations and STFT Fourier transformations. At the results of these discoveries that they are peak period and center frequency of voices datas. These datas doesn't give the correct results. The common aspect of voice datas is that they aren't as the same as to each other. So the results which are found for a data can't show the equivalent for the same voice. Because of that reason DWT outputs have been applied to the neural Network. As a wavelet outputs, 4tt and 5th reduced voice datas were used as“approximate”. Because voice datas were too similar to their voice datas inputs and all letters have their own waves. At this thesis, in the first chapter, it has been defined the wavelet transform and wavelet series explanations. Then wavelet transformation has been shown and in the following chapter, It has been tried to learn the wavelet transforms results to the Neural Network.

Benzer Tezler

  1. Dalgacık dönüşümü yöntemi ile kendi yapılanan işaret örüntü kodlama

    Self organised signal pattern encoding by wavelet transform method

    MERİÇ YÜCEL

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET SERTBAŞ

    PROF. DR. BURAK BERK ÜSTÜNDAĞ

  2. Dalgacık dönüşümü ve derin öğrenme yöntemleri ile hisse senedi fiyat tahmini

    Stock price prediction with wavelet transform and deep learning methods

    ÇAĞRI ÇOBAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    EkonometriAydın Adnan Menderes Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. ELVAN HAYAT

  3. Portfolio optimization with wavelet analysis and neural fuzzy networks

    Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu

    ÖMER ZEKİ GÜRSOY

    Doktora

    İngilizce

    İngilizce

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ

  4. Yapay sinir ağları ve genetik algoritmalar kullanılarak EKG vurularının sınıflandırılması

    Classification of ECG beats by using artifical neural networks and genetic algorithms

    ZÜMRAY DOKUR

  5. Employ the wavelet transforms and artificial neural networks for early detection and classification of breast canser based on statistical features of medical images

    Tıbbi görüntülerin istatistiksel özelliklerini kullanarak dalgacık dönüşümü ve yapay sinir ağları yardımıyla meme kanserinin erken teşhisi ve sınıflandırılması

    KARZAN FAIDHI HAMAD

    Doktora

    İngilizce

    İngilizce

    2024

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. BÜLENT ÇELİK

    DR. ÖĞR. ÜYESİ RİZGAR MAGHDED AHMED