Derinlikli Öğrenme Kullanılarak Konuşmadan Uykululuk/uykusuzluk Tespiti
Derinlikli Öğrenme Kullanılarak Konuşmadan Uykululuk/uykusuzluk Tespiti
dc.contributor.advisor | Kalyoncu, Bilge Günsel | tr_TR |
dc.contributor.author | Hacıoğlu, Canberk | tr_TR |
dc.contributor.authorID | 10039196 | tr_TR |
dc.contributor.department | Elektronik ve Haberleşme Mühendisligi | tr_TR |
dc.contributor.department | Electronic and Communication Engineering | en_US |
dc.date | 2014 | tr_TR |
dc.date.accessioned | 2017-02-27T11:08:37Z | |
dc.date.available | 2017-02-27T11:08:37Z | |
dc.date.issued | 2014-06-11 | tr_TR |
dc.description | Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2014 | tr_TR |
dc.description | Thesis (M.Sc.) -- İstanbul Technical University, Instıtute of Science and Technology, 2014 | en_US |
dc.description.abstract | Bu tez çalışmasında problem olarak ele alınan, konuşmadan uykululuk / uykusuzluk tespiti; insan sesininin probleme uygun özniteliklerinin elde edilerek makinalara öğretilmesi ve öğrenme sonucunda yeni bir örnek geldiğinde konuşmacının uykulu ya da uykusuz durumlarından hangisinde olduğuna karar verilmesi problemidir. Problem, ses işaret işleme ve örüntü tanıma kapsamında iki ana başlıkta incelenerek çözüme gidilmiştir: ses özniteliklerinin elde edilmesi ve konuşmacının durumunun modellenerek sınıflandırılması. Tez çalışmasında, konuşmacının durumunu belirlemek için öncelikle geliştirilen istatistiksel modelin eğitilmesi ve eğitim sonucunda tasarlanan sınıflandırıcının kullanılarak yeni gözlenen ses örneklerinden konuşmacının durumuna karar verilmesi için derinlikli öğrenme kullanılmıştır. | tr_TR |
dc.description.abstract | In this thesis, the aim is to detect sleeepines with nine perceptually masked prosodic features trained and classified by Deep Learning algorithms.The problem of sleepiness detection is evaluated in two parts. In the first part proper features of human voice are extracted to teach machines. In the second part proper features are leaned to model the structure with the aim of classification of records. The classification results determine the state of the speaker in terms of sleepiness. | en_US |
dc.description.degree | Yüksek Lisans | tr_TR |
dc.description.degree | M.Sc. | en_US |
dc.identifier.uri | http://hdl.handle.net/11527/13210 | |
dc.publisher | Fen Bilimleri Enstitüsü | tr_TR |
dc.publisher | Institute of Science and Technology | en_US |
dc.rights | İTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. | tr_TR |
dc.rights | İTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. | en_US |
dc.subject | Boltzmann Makinesi | tr_TR |
dc.subject | Ses İşleme | tr_TR |
dc.subject | Uykusuzluk Tepiti | tr_TR |
dc.subject | Boltzmann Machine | en_US |
dc.subject | Speech Processing | en_US |
dc.subject | Sleepines Detection | en_US |
dc.title | Derinlikli Öğrenme Kullanılarak Konuşmadan Uykululuk/uykusuzluk Tespiti | tr_TR |
dc.title.alternative | Sleepiness Detection From Voice By Using Deep Learning | en_US |
dc.type | Master Thesis | en_US |