Yeni nesil makine öğrenmesi yöntemleri tabanlı ortam seslerinden duygu ve şiddet tespiti

Bu tez, çevresel ses sınıflandırma, konuşmacı sayma, şiddet yoğunluğu algılama ve topluluk duygu tespiti gibi çeşitli ses tabanlı tanıma görevleri için hafif, yorumlanabilir ve yüksek performanslı makine öğrenimi modellerinin Bu tez, çevresel ses sınıflandırma, konuşmacı sayma, şiddet yoğunluğu algılama ve topluluk duygu tespiti gibi çeşitli ses tabanlı tanıma görevleri için hafif, yorumlanabilir ve yüksek performanslı makine öğrenimi modellerinin geliştirilmesi için kapsamlı bir çerçeve sunmaktadır. Her biri el yapımı, hafif sıklet, örüntü tanıma veya kaostan ilham alan özellik çıkarma tekniklerini, optimize edilmiş sınıflandırma stratejilerini ve DWT ve TQWT gibi çok seviyeli sinyal dönüşümlerini içeren yedi yeni model önerilmiştir. Her model, kendi görevleri için özel olarak oluşturulmuş yeni, dengeli ve halka açık veri kümeleri üzerinde eğitilmiş ve değerlendirilmiştir. Tüm modeller GPU hızlandırmasına ihtiyaç duymadan çalışarak düşük hesaplama kaynaklarıyla yüksek doğrulukta ses sınıflandırmasının mümkün olduğunu göstermektedir. Genel olarak bu tez, gerçek zamanlı, gömülü veya düşük kaynaklı ortamlarda kullanıma uygun açıklanabilir, verimli ve ölçeklenebilir modeller sunarak derin öğrenmeye güçlü bir alternatif sunmaktadır. Bu tez çalışması yeni nesil makine öğrenmesi modelleriyle duygu ve şiddet tespiti alanına önemli bir katkı sağlamaktadır. Önerilen çözümler kamu güvenliği, adli bilişim, akıllı gözetim, sağlık izleme ve duygusal hesaplama alanlarında gelişmiş uygulamaların önünü açmaktadır.