Hayvan seslerini ayrıştırmak için modifiye edilmiş bir otokodlayıcı mimarisi yaklaşımı
A modified autoencoder architecture approach for separating animal sounds
- Tez No: 606698
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSEYİN OKTAY ALTUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Kto Karatay Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hayvan davranış bilimi, hayvanların davranışlarını anlamak suretiyle, onları kontrollü ortamlarda tutmak ve evcilleştirmek gibi konularda bize yardımcı olurken, aynı zamanda hayvan türlerini ve canlılığı daha iyi anlamamızı da sağlar. Bu alanlarda yapılan araştırmalarda veriler doğa ortamından toplanabilirken, bazen de kontrollü ortamlarda tutulan hayvanlardan faydalanılmaktadır. Bu alandaki araştırmalarda veri toplama sırasında hayvan sesleri karışık şekilde kaydedildiğinde, bunları ayırarak analiz etmek gerekmektedir. Hayvan sesleriyle oluşan kokteyl partisi problemi için derin sinir ağlarından ve derin öğrenme metodolojisinden faydalanarak yeni bir çözüm önerisi sunmaktayız. Bu tezde derin öğrenmede sıkça kullanılan otokodlayıcı mimarisini değiştirerek yeni bir derin öğrenme mimarisi oluşturduk. Bu mimariyi kullanarak hayvan seslerini birbirinden ayırdık. Getirdiğimiz yakaşımın performansını değerlendirdik.
Özet (Çeviri)
Animal behavioural science aids us to understand animal species and their life styles, while helping us in tasks like keeping them in controlled environments or taming them. While data can be collected from natural environment on researches at these fields, sometimes animals that are being held at controlled environments can be benefited from. For researches at these fields related to animal behavioural science, on many occasions, animal sounds are being recorded as mixture of animal and environmental sounds while collecting data. These sounds need to be first separated and then analyzed. For this cocktail party problem consisting animal sounds, we present a new solution proposal that benefits from deep neural networks and deep learning methodology. In this paper, we created a new deep learning architecture by modifying auto-encoder architecture, being widely used in deep learning research. Using this architecture we separated animal sounds from each other. We evaluated performance of the approach we developed.
Benzer Tezler
- Analysis of signal processing algorithms for detection of human vital signs using uwb radar
Hayati bulguların geniş bantlı radar sistemleri ile tespitinde kullanılan sinyal işleme algoritmalarının analizi
CANSU EREN
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MESUT KARTAL
PROF. DR. SAEİD KARAMZADEH
- Evaluating BFAST algorithm in landsat time series analysisof monitoring deforestation dynamics in coniferousand deciduous forests
Landsat zaman serisi ile iğne ve geniş yapraklı ormanlardaormansızlaşma dinamiklerinin izlenmesinde BFASTalgoritmasının değerlendirilmesi
NOOSHIN MASHHADI
Yüksek Lisans
İngilizce
2021
Coğrafyaİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı (disiplinlerarası)
Assist. Prof. Dr. UĞUR ALGANCI
- Sivil toplum kuruluşlarında gerçekleştirilen kampanyaların halkla ilişkiler bağlamında analizi: HAYTAP Hayvan Hakları Federasyonu örneği
Analysis of campaigns in civil society organizations in the context of public relations: Sample of The HAYTAP Anımal Rights Federation
KÜBRA OLGUN
Yüksek Lisans
Türkçe
2019
Halkla İlişkilerGiresun ÜniversitesiHalkla İlişkiler ve Tanıtım Ana Bilim Dalı
PROF. DR. A. FİLİZ SUSAR
- Müzisyenlerin işitme fonksiyonlarında odyometrik analiz
Audiometric analyses on the hearing functions of musicians
SİNEM ÖZDEMİR
- İnsansız Hava Aracı tespiti ve sınıflandırılması için derin öğrenme tabanlı tekniklerin geliştirilmesi
Development of deep learning based techniques for Unmanned Aerial Vehicle detection and classification
EMRULLAH KIZILAY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. İLHAN AYDIN