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