FRBA - Revista Proyecciones - Vol. 16 Nro. 1

Permanent URI for this collectionhttp://48.217.138.120/handle/20.500.12272/5430

Browse

Author: search.filters.author.Gómez, Juan Carlos

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Comparación de algoritmos para reconocimiento de habla aislada independiente del hablante
    (2018-04-01) Da Silva, Mariano Marufo; Verrastro, Claudio; Gómez, Juan Carlos
    Este trabajo describe la fundamentación teórica e implementación de un sistema de recono- cimiento de habla aislada independiente del hablante usando Modelos Ocultos de Markov, Máquinas de Vectores de Soporte y Redes Neuronales Artificiales. La evaluación fue realizada utilizando un corpus multihablante compuesto por once palabras del español argentino, y su rendimiento en términos de porcentaje de reconocimiento fue comparado entre los tres métodos de clasificación implementados. La comparación fue efectuada tanto para condiciones ideales como también con tres niveles distintos de ruido de fondo. Los resultados muestran que para bajos niveles de ruido el sistema basado en HMM consigue el mejor rendimiento, mientras que para mayores niveles de ruido los sistemas basados en SVM y ANN superan al anterior.
  • Thumbnail Image
    Item
    Mejoras en la calidad de las soluciones de simulated annealing mediante preservación de menores costos
    (2018-04-01) Sivori, Gastón; Verrastro, Claudio; Gómez, Juan Carlos
    Simulated Annealing (SA) o Metropolis es un algoritmo de búsqueda de soluciones que em- plea meta-heurística para problemas de optimización global donde el objetivo es encontrar buenas aproximaciones al valor óptimo de una función en un espacio de búsqueda grande. Su implementación estándar presenta dispersión en la calidad de las respuestas encontradas debido a que explora el espacio de soluciones en forma estocástica. En este trabajo, se pre- senta una implementación del algoritmo de SA que utiliza la preservación de menores cos- tos en problemas de optimización global y permite obtener soluciones mejores, con menor dispersión y manteniendo tiempos de convergencia finitos. La preservación de los menores costos se realiza durante el proceso de generación aleatoria (perturbación) de la nueva so- lución a partir de la solución corriente. La modificación se hace conservando una parte de la solución elegida con una probabilidad inversamente proporcional a su costo parcial. La implementación del algoritmo se llevó a cabo en Matlab® y se comparó contra el recocido simulado estándar en problemas TSP simétricos de la librería TSPLIB obteniendo soluciones excelentes para problemas de n < 200 nodos.