פרויקטי גמר שנה"ל תשע"ט - עיבוד אותות
|
401 Cellular radiation analysis for reflection detection ניתוח אותות סללולר לזיהוי החזריםשם המנחה: פרופ' מאיר דנינו אחראי אקדמי: פרופ' זאב זלבסקי תיאור הפרויקט ותכולתו:זיהוי עצמים מתכתיים או עצמים מחזירי קרינה אלקטרומגטית המוסתרים בחדר או תוך שימוש במערכת פאסיבית, כלומר באמצעות שימוש במקלטים בלבד. מקור הקרינה האלקטרומגנטית נמצא באיזור העצמים עצמם אשר נדרש לזהותם. (למשל, טלפון סלולרי בתוך חדר סגור) אנטנות הקליטה מרוחקות ביניהן כך שתהיה לנו רזולוציה מספיק טובה להבחין בהפרש זמני ההגעה של האות להדקי 2 האנטנות (3 ננושניה למרחק של 1 מטר באוויר) האלגוריתמיקה תמומש ע"י כתיבת קוד במאטלאב המתבסס על חישוב הפרשי זמן ההגעה של האותות השונים המתקבל מתוך ניתוח פונקצית האוטוקורולציה של האות הדגום הכולל את הפיזורים השונים.
דרישות:קווי תמסורת ומערכות מיקרוגלים |
|
402 Wind noise reduction using neural network ביטול רעשי רוח ע"י רשת נוירוניםשמות המנחים: שלומי חזן וד"ר עופר שוורץ אחראי אקדמי: פרופ' שרון גנות תיאור הפרויקט ותכולתו:In outdoor recording setups, wind noise is generated when במסגרת פרויקט זה הסטודנטים יחשפו לעולם הmachine learning בכלל ובפרט לעולם רשתות ניורונים לצורך עיבוד אותות דיבור. הפרוייקט בשיתוף עם התעשייה דרישות:DSP2, למידה עמוקה, מבוא למכונת למידה מקורות:
|
|
403 Source separation using microphone array and DNN הפרדת דוברים באמצעות מערך מיקרופונים ורשתות נוירוניםשם המנחה: שלומי חזן אחראי אקדמי: פרופ' שרון גנות תיאור הפרויקט ותכולתו:בחדר דיונים פעמים רבות מספר דוברים פעילים בו זמנית. בפרויקט זה נפריד את הדוברים באמצעות מעצב אלומה המאפשר התמקדות באחד הדוברים בכל פעם. מעצב האלומה בנוי משני אבני בניין עיקריים. הראשון שערוך הסטטיסטיקה של הרעש בחדר. והשני שערוך מטריצת ה-RTF. לצורך עדכון הפרמטרים בשני אבני הבניין, נשתמש ברשתות נוירונים מלאכותיות. דרישות:DSP2, למידה עמוקה, מבוא למכונת למידה. מקורות:S. E. Chazan, J. Goldberger, and S. Gannot, “DNN-based concurrent speakers detector and its application to speaker extraction with LCMV beamforming,” in IEEE International Conference on Audio and Acoustic Signal Processing (ICASSP), Calgary, Alberta, Canada, Apr. 2018 |
|
404 Audio Center מערכת לאיסוף ועיבוד אות שמעמנחים: פיני טנדייטניק ודני צ'רקסקי אחראי אקדמי: פרופ' שרון גנות תיאור הפרויקט ותכולתו:פרויקט זה עוסק עוסק באיסוף מידע ממגוון רחב של חישני אודיו והזרמתו למחשב האישי או לאנדרואיד. מקורות האודיו האפשריים ברשת הם:
דרישות:שליטה ב C ונכונות ללמוד JAVA ו Matlab מקורות:
|
|
405 Inference of interactions from protein sequences dataset הסקה סטטיסטית של אינטראקציות בין חלבוניםמנחים: ד"ר תמר פרידלנדר (האוניברסיטה העברית) ופרופ' שרון גנות אחראי אקדמי: פרופ' שרון גנות תיאור הפרויקט ותכולתו:Background: Many biological functions depend on specific molecular recognition, where a particular protein recognizes a specific partner out of many. This specificity often depends on a very small part of the protein, where minor modifications can change interaction partners, dampen or amplify interactions. In order to experimentally manipulate interactions, it is crucial to identify the particular protein positions that determine interaction specificity. As often the 3D structures of the proteins are not known, computational inference based on the sequences alone is very helpful as a guideline. The new Friedlander group is an inter-disciplinary research lab. We study the evolution of “self-incompatibility”: a mechanism that reduces self-fertilization and promotes genetic diversity in plants. This mechanism exists in many domesticated plants, for example fruit trees (apple, pear, almond etc.) and thus has major implications on their yield. The mechanism is based on a network of few dozens of proteins (in the whole population), where each individual plant has only a subset of these proteins. Fertilization is enabled (or disabled) depending on specific molecular recognition between the proteins expressed in the male and female sides. Project: The goal of the project is to infer the specific amino acids in the protein dataset that determine the specific molecular recognition between these proteins. Inference will be based only on the known sequences of these proteins (no 3D structures!) and experimental information on interacting and non-interacting protein pairs. The students will begin by learning and implementing existing inference algorithms and apply them to our data. Current algorithms are based for example on covariance and information theoretic methods. Later on the students will derive their own inference algorithm specifically tailored to the unique features of our data. What will you learn: Students that will undertake this project will learn basic theoretical concepts of various inference methods which are applicable to a broad range of data analysis problems. These include Bayesian inference, information theoretic methods, usage of message passing algorithms for inference problems as well as hands-on experience in handling data (finite samples, etc.) and gain experience in their application on real datasets. Is it for me? We are seeking excellent students with keen interest in basic theoretical research. Upon mutual interest, this project can continue into an MSc thesis and has high potential to lead to a scientific publication. דרישות:
מקורות:
|
|
406 Source separation and localization using model-based EM algorithm הפרדה ואיכון של דוברים על ידי שימוש באלגוריתם EM מבוסס מודלמנחה: קובי ויסברג אחראי אקדמי: פרופ' שרון גנות תיאור הפרויקט ותכולתו:בפרויקט זה יממשו הסטודנטים אלגוריתם לאיכון והפרדה של דוברים תוך שימוש באלגוריתם EM מבוסס מודל סטטיסטי. באמצעות אלגוריתם ה-EM ניתן לבצע אישכול (clustering) של המדידות ממערך המיקרופונים במישור הSTFT בהתבסס על הפרשי ההגעה והפרשי העוצמה בין המיקרופונים, כך שכל אשכול מתאים למיקום ספציפי במרחב
תכולה: במסגרת פרויקט זה הסטודנטים יחשפו לעולם שערוך הפרמטרים, עיבוד אותות מרחבי ולמידת מכונה דרישות:
מקורות:
|
|
407 Deep Feature Inspection – Opening the DNN Black-Box פיתוח כלי בקרה וניתוח לרשתות נוירונים עמוקותמנחה: ערן גולדמן אחראי אקדמי: פרופ' יעקב גולדברגר תיאור הפרויקט ותכולתו:Convolutional Network Networks (CNN) have demonstrated impressive classification performance on various datasets. However, there is no clear understanding of why they perform so well, and more importantly, why they fail in some cases and how they might be improved. There is a growing sense that neural networks need to be interpretable to humans. The field of neural network interpretability has formed in response to these concerns. As it matures, two major threads of research have begun to coalesce: feature visualization and attribution. דרישות:
מקורות:
|
|
408 Deep Price Recognition – OCR of decimal numbers with numerical value loss זיהוי מחירים מתוך תמונות על פי ערך מספרי באמצעות למידה עמוקהמנחה: ערן גולדמן אחראי אקדמי: פרופ' יעקב גולדברגר
תיאור הפרויקט ותכולתו:Optical character recognition (OCR) is the conversion of images of typed, handwritten or printed text into machine-encoded text. דרישות:
מקורות:
|
|
409 Blind source separation with Deep Clustering הפרדת דוברים באמצעות Deep Clusteringמנחה: שלומי חזן אחראי אקדמי: פרופ' שרון גנות תיאור הפרויקט ותכולתו:We address the problem of acoustic source separation in a deep learning framework denoted “deep clustering”. Rather than directly estimating signals or masking functions, a deep network is trained to produce spectrogram embeddings that are discriminative for partition labels given in training data. Spectral clustering approaches are flexible with respect to the classes and number of items to be segmented, but till recently it has been unclear how to leverage the learning power and speed of deep networks. The framework can be used without class labels, and therefore has the potential to be trained on a diverse set of sound types, and to generalize to novel sources. דרישות:
מקורות: |
|
410 Speech dereverberation using fully convolutional networks (deep learning) ביטול הדהוד באמצעות רשתות קונבולוציה מלאותמנחה: אורי ארנסט אחראי אקדמי: פרופ' שרון גנות תיאור הפרויקט ותכולתו:הדהוד היא תופעה הנגרמת כתוצאה ממעבר של אות דיבור במרחב האקוסטי של החדר. בעקבות ההחזרים מהקירות נוצרים עיוותים באות שמהווים קושי גדול לבעלי בעיות שמיעה, וכן מורידים משמעותית את ההצלחה של מערכות זיהוי דיבור. בפרויקט זה נבצע ביטול הדהוד באמצעות רשתות נוירונים. בשיטה זו ניקח בהשאלה אלגוריתמים מעולם עיבוד התמונה וסגמנטציה של תמונות, נתייחס לאות הדיבור שלנו כאל תמונת הספקטורגרמה, ונשתמש באלגוריתם לצורך ביטול הדהוד. במסגרת פרויקט זה הסטודנטים יחשפו לעולם הmachine learning- וה dereverberation -. דרישות:
מקורות:O. Ernst, S. E. Chazan, S. Gannot & J. Goldberger, Speech Dereverberation Using Fully Convolutional Networks. EUSIPCO Sep. 2018 |
