Datamäärän vaikutus konvoluutioverkon suorituskykyyn puhesignaalin rekonstruktiossa
Hanazawa, Len (2026)
Kandidaatintyö
2026
School of Engineering Science, Laskennallinen tekniikka
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2026061672409
https://urn.fi/URN:NBN:fi-fe2026061672409
Tiivistelmä
Työssä tutkitaan datamäärän vaikutusta neuroverkon yleistymiskykyyn puhesignaalin rekonstruktiotehtävässä. Aihe on ajankohtainen, sillä äänisignaalin käsittelyä hyödynnetään laajasti esimerkiksi puheentunnistuksessa ja viestinnässä.
Työn tavoitteena on analysoida datamäärän vaikutusta mallin suorituskykyyn tarkastelemalla tavoitefunktion arvoja ja mallin tuottamien rekonstruoitujen puhesignaalien signaalikohinasuhteita. Aineistona käytetään LibriSpeech ja MUSAN-tietokantoja, joista muodostetut äänisignaalit muunnetaan mel-spektrogrammeiksi ennen mallille syöttämistä. Mallina käytetään konvoluutioverkkoa, jonka suorituskykyä arvioidaan keskineliövirheen (MSE) ja signaali-kohinasuhteen (SNR) avulla.
Tulokset osoittivat, että datan määrällä on merkittävä vaikutus mallin yleistymiskykyyn. Suuremmilla aineistoilla oppiminen on vakaampaa ja suorituskyky parempi, mikä näkyy pienempinä virheinä, oppimiskäyrien virhearvojen vakautumisena ja korkeampina SNR-arvoina. Vaikutus korostuu syvemmissä neuroverkoissa, mutta on havaittavissa myös yksinkertaisimmilla malleilla.
Työn tavoitteena on analysoida datamäärän vaikutusta mallin suorituskykyyn tarkastelemalla tavoitefunktion arvoja ja mallin tuottamien rekonstruoitujen puhesignaalien signaalikohinasuhteita. Aineistona käytetään LibriSpeech ja MUSAN-tietokantoja, joista muodostetut äänisignaalit muunnetaan mel-spektrogrammeiksi ennen mallille syöttämistä. Mallina käytetään konvoluutioverkkoa, jonka suorituskykyä arvioidaan keskineliövirheen (MSE) ja signaali-kohinasuhteen (SNR) avulla.
Tulokset osoittivat, että datan määrällä on merkittävä vaikutus mallin yleistymiskykyyn. Suuremmilla aineistoilla oppiminen on vakaampaa ja suorituskyky parempi, mikä näkyy pienempinä virheinä, oppimiskäyrien virhearvojen vakautumisena ja korkeampina SNR-arvoina. Vaikutus korostuu syvemmissä neuroverkoissa, mutta on havaittavissa myös yksinkertaisimmilla malleilla.