Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11779/1857
Title: Diyalog geliştirme için bağlaşımlı tensör ayrıştırma yöntemleri
Advisors: Cemgil, Ali Taylan
Liutkus, Antoine
Keywords: Derin öğrenme
Diyalog geliştirme
Kaynak ayrıştırma
Publisher: TÜBİTAK
Source: Şimşek Kırbız, S., Cemgil, T. A., Liutkus, A. (15.03.2021).Diyalog geliştirme için bağlaşımlı tensör ayrıştırma yöntemleri.TÜBİTAK EEEAG Proje. ss. 1-34.
Abstract: Ayrıştırma tabanlı ses modelleme yöntemleri, hesaplama gücünün artmasıyla ve istatistiksel modelleme yöntemlerinin gelişmesiyle birlikte yaygın olarak kullanılmaktadır. Bu yöntemler, ses kodlama, müziksel bilgi çıkarımı, müziğin notaya dökülmesi, içerik analizi, kaynak ayrıştırma, ses onarımı ve gürbüz konuşmacı tanımanın da aralarında bulunduğu birçok alanda kullanılmaktadır. Bizim bu projede temel amacımız, birden fazla kaynak içeren ses kayıtlarındaki konuşma işaretlerini güçlendirmek için kaynak ayrıştırma algoritmalarından faydalanarak bir yöntem geliştirmektir. Diyalog ve ortamdaki diğer sesler arasındaki doğru dengeyi bulmak ses mühendisleri için önemli bir problem olup, dinleyici şikayetlerinin de gittikçe artan bir sebebini oluşturmaktadır. Dinleyiciler, kendi kişisel tercihlerine, dinleme ortamlarına ve duymalarına uygun olarak diyalog ve çevresel sesler arasındaki ses dengesini kendileri ayarlamak istemektedirler. Bu projedeki temel amaçlar ve aşamalar aşağıdaki gibidir: i) Durağan olmayan çok boyutlu zaman serilerinde, matris ve tensör ayrıştırma modellerini kullanarak diyalog içeren ses kayıtlarından diyalogların ayrıştırılması ve bunun daha sonra kayıtta bulunan diğer seslerle farklı oranlarda yeniden birleştirilmesiyle, kullanıcının ihtiyaçlarına ya da zevkine dayalı bir kayıt dinlemesini sağlama ii) Televizyon programları gibi akan veri üzerinde de çalışabilmek üzere, önerilen yöntemin gerçek zamanda çalışması. Bu bağlamda, veri geldikçe gerçek zamanlı olarak işlenecektir. iii) Geliştirilen yöntemlerin etkinliğinin gerçek uygulamalarda kullanımı. Projenin çıktıları olan modelleme, çıkarım ve model seçimi yöntemleri; işaret işleme, yapay öğrenme ve istatistik alanlarında temel metodolojik katkılar yapmaktatır. Bunun dışında çıktılar, bilgi madenciliği, biyoinformatik, sistem biyolojisi, yer bilimleri, karmaşık sistemler, algılayıcı ağları, finans veya akustik konularındaki büyük veri öbeklerinin incelendiği çalışmaları destekleyecektir. Bu bağlamda, MEF Üniversitesi bünyesinde yerli ve uluslararası alanda süren işbirliklerinin sürdürülmesi ve geliştirilmesi de planlanmaktadır.
URI: https://hdl.handle.net/20.500.11779/1857
Appears in Collections:Elektrik Elektronik Mühendisliği Bölümü koleksiyonu
TR-Dizin İndeksli Yayınlar Koleksiyonu / TR Dizin Indexed Publications Collection
TÜBİTAK / Avrupa Birliği Destekli Yayınlar

Files in This Item:
File Description SizeFormat 
document (14).pdf
  Until 2040-01-01
Proje Dosyası1.23 MBAdobe PDFView/Open    Request a copy
Show full item record



CORE Recommender

Page view(s)

4
checked on Jun 26, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.