Prace dyplomowe

Proponowane i realizowane tematy prac dyplomowych.

Tematyka prac

• sztuczne sieci neuronowe, uczenie maszynowe,

• klasyfikacja dźwięku,

• biologiczne inspiracje w sieciach neuronowych.

Tematy obecnie realizowane przez dyplomantów

[MGR] Continual learning in audio classification tasks

[MGR] Plastyczność modeli sztucznych sieci neuronowych w uczeniu ciągłym

[MGR] Kompresja modeli klasyfikacji dźwięku

[INŻ] Aplikacja internetowa do rozpoznawania progresji akordów za pomocą metod sztucznej inteligencji

[INŻ] Aktywne uczenie modeli klasyfikacji dźwięku

Zarys problemu

Uczenie aktywne (active learning) jest formą uczenia maszynowego, w którym algorytm uczący może interaktywnie pytać użytkownika o etykiety dla wybranych przykładów. Ta forma jest szczególnie użyteczna, gdy dysponujemy zbiorem danych bez adnotacji, a koszt ręcznego etykietowania całego zbioru danych jest zbyt duży.

Cel i etapy pracy

Wykorzystywane narzędzia

[INŻ] Klasyfikacja nagrań dźwiękowych ptaków za pomocą modeli ze skupianiem uwagi

Zarys problemu

Charakterystyczną cechą problemu klasyfikacji gatunków ptaków w nagraniach dźwiękowych jest niewielki udział użytecznego sygnału uczącego (poszczególnych wokalizacji) w stosunku do całości nagrania (zarówno w dziedzinie czasu, jak i częstotliwości). W takiej sytuacji jednym ze sposobów poprawy efektów uczenia sztucznych sieci neuronowych jest mechanizm skupiania uwagi (attention mechanism), który koncentruje sieć na najważniejszych fragmentach nagrania.

Cel i etapy pracy

Wykorzystywane narzędzia