Spinner

Dokument se učitava

ATUSS

VIŠER

Akademija tehničko-umetničkih strukovnih studija Beograd

Odsek Visoka škola elektrotehnike i računarstva

Alarmni sistemi i video nadzor Šifra: 230811 | 8 ESPB

Opšte informacije
Nivo studija: Specijalističke strukovne studije
Godina studija: 1
Semestar: 1
Uslov:
Cilj: Upoznavanje sa konceptima, metodama i tehnikama mašinskog učenja relevantim za razvoj inteligentnih sistema za nadzor zasnovanih na automatskom prepoznavanju govora, govornika i karakterističnih zvukova.
Ishod: Studenti će razviti razumevanje aktuelnih statističkih koncepata, metoda i tehnika mašinskog učenja, i osposobiće se da projektuju inteligentne sisteme za nadzor zasnovanih na automatskom prepoznavanju govora, govornika i karakterističnih zvukova.
Sadržaj predmeta
Teorijska nastava:
  1. Izdvajanje obeležja audio signala.
  2. Modelovanje jezika (n-grami).
  3. Markovljevi lanci.
  4. Skriveni Markovljevi modeli.
  5. Pronalaženje najverovatnijih sekvenci skrivenih stanja (Viterbijev algoritam).
  6. Obuka skrivenih Markovljevih modela (Baum-Velšov algoritam).
  7. Akustičko modelovanje (smeša Gausovih raspodela).
  8. Automatsko prepoznavanje govora.
  9. Kritički osvrt na metodološki pristup automatskom prepoznavanju govora.
  10. Automatsko prepoznavanje govornika.
  11. Automatsko prepoznavanje emocija u govoru.
  12. Automatsko prepoznavanje karakterističnih zvukova.
  13. Kontekstno zavisno prepoznavanje govora.
  14. Napredne primene.
  15. Etički aspekti.
Praktična nastava:
  1. Uvežbavanje predstavljenih koncepata, metoda i tehnika kroz primere, odbrana domaćih zadataka.
Literatura
  1. Stuart Russell, Peter Norvig, "Veštačka inteligencija: savremeni pristup". Računarski fakultet, 2011.
  2. Jurafsky, Daniel, and James H. Martin, "Speech and Language Processing: An Introduction to Natural Language Processing, Speech Recognition, and Computational Linguistics, 2nd edition". Prentice-Hall, 2009.
Broj časova aktivne nastave (nedeljno)
Predavanja: 4
Vežbe: 3
Drugi oblici nastave: 0
Ocena znanja (maksimalan broj poena 100)
Predispitne obaveze
Poeni
aktivnosti u toku predavanja
0
aktivnosti na laboratorijskim vežbama
0
seminarski rad
20
kolokvijum
40
Završni ispit
Poeni
Pismeni ispit
40
Usmeni ispit
0

Nastavnik

Saradnik

Obaveštenja