Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Destefanis , Eduardo"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Results Per Page
  • Sort Options
  • Thumbnail Image
    Item
    Extracción de Características en Audio con Redes Neuronales Convolucionales.
    (Universidad Tecnológica Nacional Regional Córdoba., 2019) García , Mario Alejandro; Rosset , Ana Lorena; Destefanis , Eduardo
    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 diseño de las capas de extracción de características de una red neuronal profunda orientada a la clasificación de la calidad vocal.
  • Thumbnail Image
    Item
    Power Cepstrum Calculation with Convolutional Neural Networks.
    (Journal of Computer Science y Technology., 2019) García, Mario Alejandro; Destefanis , Eduardo
    A model of neural network with convolutional layers that calculates the power cepstrum of the input signal is proposed. To achieve it, the network calculates the discrete-time short-term Fourier transform internally, obtaining the spectrogram of the signal as an interme diate step. Although the proposed neural networks weights can be calculated in a direct way, it is nec essary to determine if they can be obtained through training with the gradient descent method. In order to analyse the training behaviour, tests are made on the proposed model, as well as on two variants (power spectrum and autocovariance). Results show that the calculation model of power cepstrum cannot be trained, but the analysed variants in fact can.

 

UTN | Rectorado

Sarmiento 440

(C1041AAJ)

Buenos Aires, Argentina

+54 11 5371 5600

SECRETARÍAS
  • Académica
  • Administrativa
  • Asuntos Estudiantiles
  • Ciencia y Tecnología
  • Consejo Superior
  • Coordinación Universitaria
  • Cultura y Extensión Universitaria
  • Igualdad de género y Diversidad
  • Planeamiento Académico y Posgrado
  • Políticas Institucionales
  • Relaciones Internacionales
  • TIC
  • Vinculación Tecnológica
  • Comité de Seguridad de la Información
ENLACES UTN
  • DASUTeN
  • eDUTecNe
  • APUTN
  • ADUT
  • FAGDUT
  • FUT
  • SIDUT
ENLACES EXTERNOS
  • Secretaría de Educación
  • CIN
  • CONFEDI
  • CONEAU
  • Universidades