Genel Bilgi
Kod | CENG722 |
Ad | Speech Enhancement |
Dönem | 2024-2025 Eğitim-Öğretim Yılı |
Dönem | Bahar |
Süre (T+U) | 3-0 (T-U) (17 Hafta) |
AKTS | 6 AKTS |
Yerel Kredi | 3 Yerel Kredi |
Eğitim Dil | İngilizce |
Seviye | Doktora Dersi |
Tür | Normal |
Öğretim Şekli | Yüz Yüze Öğretim |
Bilgi Paketi Koordinatörü | Prof. Dr. ZEKERİYA TÜFEKCİ |
Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
Bu dersin amacı temel konuşma sinyali iyileştime yöntemleri olan spectral substractive algorithms, wiener filtering, statistical model based algorithms, subspace algorithms, ve noise estimation algorithms yöntemlerini öğretmek.
Dersin İçeriği
Bu ders spectral substractive algorithms, wiener filtering, statistical model based algorithms, subspace algorithms, and noise estimation algorithms konularını kapsamaktadır.
Dersin Ön Koşulu
ön koşul yok
Kaynaklar
Speech Enhancement Theory and Practice Philipos C. Loizou
Notlar
Speech Enhancement Jacob Benesty , Shoji Makino , Jingdong Chen
Dersin Öğrenme Çıktıları
Sıra | Dersin Öğrenme Çıktıları |
---|---|
ÖÇ01 | spectral substractive algoritmalarını bilir |
ÖÇ02 | Wiener filteringi bilir |
ÖÇ03 | Statistical model temelli algoritmaları bilir |
ÖÇ04 | Subspace algoritmalarını bilir |
ÖÇ05 | Noise estimation algoritmalarını bilir |
Program Öğrenme Çıktıları ile İlişkisi
Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
---|---|---|---|
PÖÇ01 | Bilgi - Kuramsal, Olgusal | Lisans düzeyinde kazanılan yetkinlikler temelinde Bilgisayar Mühendisliği temel alanında özgün çalışmalar için gerekli temeli sağlayan ileri düzeyde bilgi ve kavrayışa sahiptir. | |
PÖÇ02 | Bilgi - Kuramsal, Olgusal | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | 1 |
PÖÇ03 | Yetkinlikler - Öğrenme Yetkinliği | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir. | 2 |
PÖÇ04 | Yetkinlikler - Öğrenme Yetkinliği | Mühendislik problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. | 4 |
PÖÇ05 | Yetkinlikler - Öğrenme Yetkinliği | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | 4 |
PÖÇ06 | Yetkinlikler - Öğrenme Yetkinliği | Yeni ve/veya özgün fikir ve yöntemler geliştirir, sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirir. | |
PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Öğrenme becerilerine sahip olur. | |
PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin yeni ve gelişmekte olan uygulamalarının farkında olup gerektiğinde bunları inceler ve öğrenir. | 4 |
PÖÇ09 | Beceriler - Bilişsel, Uygulamalı | Çalışmalarının süreç ve sonuçlarını Bilgisayar Mühendisliği alanındaki veya alan dışındaki ulusal ve uluslararası ortamlarda açık bir şekilde yazılı veya sözlü olarak aktarır. | 3 |
PÖÇ10 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olur. | |
PÖÇ11 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde etkileşimli olarak kullanır. | 3 |
PÖÇ12 | Bilgi - Kuramsal, Olgusal | Mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
Haftalık Akış
Hafta | Konu | Ön Hazırlık | Yöntemler |
---|---|---|---|
1 | Spectral Substractive Algorithms | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
2 | Nonlinear Spectral Substraction | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
3 | Wiener Filtering | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
4 | İterative Wiener Filtering | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
5 | Statistical Model Based Algorithms | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
6 | Maximum Likelihood Estimators | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
7 | Bayesian Estimator | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
8 | Ara Sınav | Ders kitabından ilgili bölümleri ve ders notlarını okur. | Ölçme Yöntemleri: Yazılı Sınav |
9 | MMSE Estimator | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
10 | Subspace Algorithms | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
11 | SVD Based Algorithms | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
12 | EVD Based Algorithms | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
13 | Noise Estimation Algorithms | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
14 | Minimal Statistic Noise Estimation | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
15 | Histogram Based Techniques | Ders kitabından ilgili bölümü okur. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
16 | Yarıyıl Sonu Sınavları | Ders kitabından ilgili bölümleri ve ders notlarını okur. | Ölçme Yöntemleri: Yazılı Sınav |
17 | Yarıyıl Sonu Sınavları | Ders kitabından ilgili bölümleri ve ders notlarını okur. | Ölçme Yöntemleri: Yazılı Sınav |
Öğrenci İş Yükü - AKTS
Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
---|---|---|---|
Ders ile İlgili Çalışmalar | |||
Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 5 | 70 |
Değerlendirmeler ile İlgili Çalışmalar | |||
Ödev, Proje, Diğer | 0 | 0 | 0 |
Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 15 | 15 |
Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 30 | 30 |
Toplam İş Yükü (Saat) | 157 | ||
Toplam İş Yükü / 25 (s) | 6,28 | ||
AKTS | 6 AKTS |