Deep neural network para análisis acústico
- Autores
- García, Mario Alejandro; Rosset, Ana Lorena; Destéfanis, Eduardo A.; Cerruti, Santiago; Moyano, Miguel
- Año de publicación
- 2018
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La valoración de la calidad vocal mediante el análisis audio-perceptual es parte de la rutina clínica de evaluación de pacientes con trastornos de la voz. La debilidad de este método reside en la subjetividad y en la necesidad de que sea realizada por oyentes experimentados. Este proyecto tiene como objetivo la realización de una clasificación automática de la calidad vocal, valuada en la escala GRBAS, a través de características extraídas del análisis acústico de la señal y técnicas de aprendizaje automático. Particularmente, en este trabajo se muestran los resultados del cálculo de shimmer con un modelo de deep learning.
Eje: Agentes y Sistemas Inteligentes.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
machine learning
deep learning
acoustic analysis - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/67072
Ver los metadatos del registro completo
id |
SEDICI_313c2b492b594a275a0599064e9a838c |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/67072 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Deep neural network para análisis acústicoGarcía, Mario AlejandroRosset, Ana LorenaDestéfanis, Eduardo A.Cerruti, SantiagoMoyano, MiguelCiencias Informáticasmachine learningdeep learningacoustic analysisLa valoración de la calidad vocal mediante el análisis audio-perceptual es parte de la rutina clínica de evaluación de pacientes con trastornos de la voz. La debilidad de este método reside en la subjetividad y en la necesidad de que sea realizada por oyentes experimentados. Este proyecto tiene como objetivo la realización de una clasificación automática de la calidad vocal, valuada en la escala GRBAS, a través de características extraídas del análisis acústico de la señal y técnicas de aprendizaje automático. Particularmente, en este trabajo se muestran los resultados del cálculo de shimmer con un modelo de deep learning.Eje: Agentes y Sistemas Inteligentes.Red de Universidades con Carreras en Informática2018-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf27-31http://sedici.unlp.edu.ar/handle/10915/67072spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3619-27-4info:eu-repo/semantics/reference/hdl/10915/67063info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:10:10Zoai:sedici.unlp.edu.ar:10915/67072Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:10:10.607SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Deep neural network para análisis acústico |
title |
Deep neural network para análisis acústico |
spellingShingle |
Deep neural network para análisis acústico García, Mario Alejandro Ciencias Informáticas machine learning deep learning acoustic analysis |
title_short |
Deep neural network para análisis acústico |
title_full |
Deep neural network para análisis acústico |
title_fullStr |
Deep neural network para análisis acústico |
title_full_unstemmed |
Deep neural network para análisis acústico |
title_sort |
Deep neural network para análisis acústico |
dc.creator.none.fl_str_mv |
García, Mario Alejandro Rosset, Ana Lorena Destéfanis, Eduardo A. Cerruti, Santiago Moyano, Miguel |
author |
García, Mario Alejandro |
author_facet |
García, Mario Alejandro Rosset, Ana Lorena Destéfanis, Eduardo A. Cerruti, Santiago Moyano, Miguel |
author_role |
author |
author2 |
Rosset, Ana Lorena Destéfanis, Eduardo A. Cerruti, Santiago Moyano, Miguel |
author2_role |
author author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas machine learning deep learning acoustic analysis |
topic |
Ciencias Informáticas machine learning deep learning acoustic analysis |
dc.description.none.fl_txt_mv |
La valoración de la calidad vocal mediante el análisis audio-perceptual es parte de la rutina clínica de evaluación de pacientes con trastornos de la voz. La debilidad de este método reside en la subjetividad y en la necesidad de que sea realizada por oyentes experimentados. Este proyecto tiene como objetivo la realización de una clasificación automática de la calidad vocal, valuada en la escala GRBAS, a través de características extraídas del análisis acústico de la señal y técnicas de aprendizaje automático. Particularmente, en este trabajo se muestran los resultados del cálculo de shimmer con un modelo de deep learning. Eje: Agentes y Sistemas Inteligentes. Red de Universidades con Carreras en Informática |
description |
La valoración de la calidad vocal mediante el análisis audio-perceptual es parte de la rutina clínica de evaluación de pacientes con trastornos de la voz. La debilidad de este método reside en la subjetividad y en la necesidad de que sea realizada por oyentes experimentados. Este proyecto tiene como objetivo la realización de una clasificación automática de la calidad vocal, valuada en la escala GRBAS, a través de características extraídas del análisis acústico de la señal y técnicas de aprendizaje automático. Particularmente, en este trabajo se muestran los resultados del cálculo de shimmer con un modelo de deep learning. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/67072 |
url |
http://sedici.unlp.edu.ar/handle/10915/67072 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-3619-27-4 info:eu-repo/semantics/reference/hdl/10915/67063 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 27-31 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615969917370368 |
score |
13.070432 |