(edUTecNe, 2019) García , Mario Alejandro; Destefanis , Eduardo
Se presenta un enfoque para la construcción de un clasificador extremoaextremo de la calidad vocal en escala
GRBAS basado en redes neuronales profundas. En base a este enfoque se muestran tres redes neuronales. Las redes
presentadas calculan la transformada de Fourier de término reducido (STFT), el cepstrum y shimmer de una señal
de audio. Las redes neuronales que calculan la STFT y shimmer se logran entrenar correctamente, mientras que la
que calcula el cepstrum no. Para este último caso, se plantea una solución alternativa al cepstrum, la autocovariance,
que sí se puede entrenar. Se concluye que las redes neuronales desarrolladas son compatibles con el enfoque
planteado porque permiten que el gradiente del error se propague hacia atrás
