Práce představuje metodu pro opravu hudebních audio signálů poškozených (simulovanou) ztrátou paketů při přenosu. Dle zadání se jedná o modifikaci hybridní metody kombinující autoregresní predikci s neuronovou sítí, konkrétně jsou navrženy jiné podoby neuronové větve a tyto modely natrénovány. V práci chybí hlubší diskuze subjektivní kvality výsledků, jedná se však pouze o drobný nedostatek a mimo to bylo zadání práce splněno.

Student pracoval průběžně a samostatně.

Struktura práce je logická, text je psaný čtivě, někdy však na úkor širších souvislostí. Místy se objevuje nevhodná úroveň detailu, např. velmi technický popis LSTM vrstvy v rovnicích (3.8)–(3.13) bez ilustrace či intuitivního pochopení. Text práce vykazuje drobné formální nedostatky: Nejednotná sazba při zavádění zkratek, chybná sazba procent, desetinná tečka, chybná forma přivlastňovacích přídavných jmen, nejednotné používání matematické notace (suma čtverců v (1.5) a (1.6), ale norma v (1.8)) a další. Obrázky a ukázky výstupů by byly lepší ve vektorovém formátu a s použitím většího písma.

V přiložených zdrojových kódech postrádám přesnější návod ke spuštění či k nastavení cest k souborům tak, aby byla možná snadná reprodukce prezentovaných výsledků.

Vzhledem k uvedenému práci doporučuji k obhajobě a navrhuji známku B. Výsledný počet bodů navržený vedoucím: 85

Diplomová práce Bc. Radima Pařízka se věnuje opravě výpadků audio signálů v reálném čase, což je téma na pomezí digitálního zpracování signálů a hlubokého učení. Student splnil zadání, jelikož prokazatelně nastudoval problematiku Packet Loss Concealment (PLC) a sepsal teoretické základy autoregresních modelů i neuronových sítí. Dále navrhl a implementoval vlastní architektury AR-SSM (využívající stavové modely s bloky S4D) a AR-GCRN (využívající konvolučně-rekurentní strukturu s frekvenčními příznaky), modely natrénoval a porovnal je s referenční metodou PARCnet. V práci však zcela chybí subjektivní zhodnocení kvality a autor čtenáři neposkytuje možnost poslechnout si ukázky rekonstrukcí.

Je zřejmé, že autor musel nastudovat rozsáhlé množství látky a naučit se zacházet s neurálními modely v praxi. Z textu je však patrné, že autor zůstal spíše v roli uživatele – mnoho pasáží indikuje, že hlubší porozumění tomu, proč věci (ne)fungují, mu zůstalo vzdáleno.

Práce je logicky členěná, avšak z popisu je obtížné rozlišit, co přesně je studentova vlastní práce a co bylo převzato z (citovaných) zdrojů. Jazyk je ve velké části textu neobratný, místy se zbytečnou snahou o pseudoodbornost vykoupenou velkým množstvím cizích pojmů, anglicismů. Občas se vyskytne překlep. Typografie a grafická úprava jsou spíše na nižší úrovni. Místy textu schází logická návaznost; například termín „burst“ se objevuje v celé práci, aniž by byl kdekoli vysvětlen, podobně „režim burst-only“ v praktické části.

I přes uvedené výhrady student prokázal schopnost samostatné inženýrské činnosti. Práci doporučuji k obhajobě s navrhovaným hodnocením C. Otázky k obhajobě:

1. Mohl byste prezentovat přesný pravděpodobnostní model výpadků signálu a ukázat několik masek, které z takových simulací vzešly?

Výsledný počet bodů navržený oponentem: 70