| 000 | 00000nam c2200205 c 4500 | |
| 001 | 000045979191 | |
| 005 | 20230719091936 | |
| 007 | ta | |
| 008 | 181227s2019 ulkad bmAC 000c kor | |
| 040 | ▼a 211009 ▼c 211009 ▼d 211009 | |
| 085 | 0 | ▼a 0510 ▼2 KDCP |
| 090 | ▼a 0510 ▼b 6D36 ▼c 1089 | |
| 100 | 1 | ▼a 권한길 |
| 245 | 1 0 | ▼a 음색 Spectrogram에 대한 CNN 학습 결과의 LRP를 통한 시각화 / ▼d 權한길 |
| 260 | ▼a 서울 : ▼b 고려대학교 대학원, ▼c 2019 | |
| 300 | ▼a 37장 : ▼b 천연색삽화, 도표 ; ▼c 26 cm | |
| 500 | ▼a 지도교수: 정원주 | |
| 502 | 0 | ▼a 학위논문(석사)-- ▼b 고려대학교 대학원, ▼c 컴퓨터·전파통신공학과, ▼d 2019. 2 |
| 504 | ▼a 참고문헌: 장 36-37 | |
| 530 | ▼a PDF 파일로도 이용가능; ▼c Requires PDF file reader(application/pdf) | |
| 653 | ▼a CNN, LRP, Spectrogram | |
| 776 | 0 | ▼t 음색 Spectrogram에 대한 CNN 학습 결과의 LRP를 통한 시각화 ▼w (DCOLL211009)000000082584 |
| 900 | 1 0 | ▼a Kwon, Han-gil, ▼e 저 |
| 900 | 1 0 | ▼a 정원주, ▼g 鄭原周, ▼d 1966-, ▼e 지도교수 ▼0 AUTH(211009)153490 |
| 900 | 1 0 | ▼a Chung, Won-zoo, ▼e 지도교수 |
| 945 | ▼a KLPA |
소장정보
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/학위논문서고/ | 청구기호 0510 6D36 1089 | 등록번호 123060827 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 2 | 소장처 과학도서관/학위논문서고/ | 청구기호 0510 6D36 1089 | 등록번호 123060828 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
컨텐츠정보
초록
본 연구는 CNN이 spectrogram으로 변환된 음색 데이터를 학습함에 있어 인간 음색의 어떤 특징을 참조 하는지를 설명 가능한 인공지능 관점에서 시각화 해 보고자 한다. 이를 위해 spectrogram 이미지를 CNN에 input image로 넣어 학습시켰고, 학습된 CNN의 structure에서 input image의 score를 LRP(Layer-wise Relevance Propagation)를 통하여 계산하고 그것을 시각화 하였다. 기존의 특징을 추출해내어 진행되는 음색 분류 연구들과는 달리 본 연구에서는 딥러닝을 통해 학습된 spectrogram에서 LRP score를 통해 직접 특이점들을 시각화할 수 있다.
목차
Chapter 1. 서론 6 1.1. Objective of the Thesis 7 1.2. Thesis Structure 7 Chapter 2. CNN(Convolutional Neural Network) 9 2.1. Convolution layer 11 2.2. Pooling layer 13 2.3. Activation Functions 14 Chapter 3. LRP(Layer-wise Relevance Propagation) 18 3.1. LRP general concept 18 3.2. DNN과 CNN의 LRP 20 3.3. Relevance score on LRP 23 Chapter 4. Spectrogram 25 4.1. spectrum이란 25 4.2. spectrogram이란 27 Chapter 5. 실험 28 5.1. 데이터 28 5.2. 시뮬레이션에 쓰인CNN구조 30 5.3. 실험 결과 31 Chapter 6. 결론 36
