Andere Kunden interessierten sich auch für
![Detecção da doença de Hispa do arroz usando um modelo de aprendizagem profunda]( "Detecção da doença de Hispa do arroz usando um modelo de aprendizagem profunda")
Detecção da doença de Hispa do arroz usando um modelo de aprendizagem profunda26,99 €![DETECÇÃO DO CANCRO DA MAMA - UMA ABORDAGEM DE APRENDIZAGEM AUTOMÁTICA]( "DETECÇÃO DO CANCRO DA MAMA - UMA ABORDAGEM DE APRENDIZAGEM AUTOMÁTICA")
DETECÇÃO DO CANCRO DA MAMA - UMA ABORDAGEM DE APRENDIZAGEM AUTOMÁTICA29,99 €![Modelo Híbrido de Aprendizagem Profunda para a Detecção da Doença da Ferrugem Amarela do Trigo]( "Modelo Híbrido de Aprendizagem Profunda para a Detecção da Doença da Ferrugem Amarela do Trigo")
Modelo Híbrido de Aprendizagem Profunda para a Detecção da Doença da Ferrugem Amarela do Trigo26,99 €![Relações de ajuda em países afectados por conflitos]( "Relações de ajuda em países afectados por conflitos")
Relações de ajuda em países afectados por conflitos32,99 €![CONCEPÇÃO DE MÁQUINA DE MELHORAMENTO DA FERTILIDADE DO SOLO]( "CONCEPÇÃO DE MÁQUINA DE MELHORAMENTO DA FERTILIDADE DO SOLO")
CONCEPÇÃO DE MÁQUINA DE MELHORAMENTO DA FERTILIDADE DO SOLO29,99 €![Detecção de alterações citológicas em esfregaços bucais]( "Detecção de alterações citológicas em esfregaços bucais")
Detecção de alterações citológicas em esfregaços bucais33,99 €![Detecção de Energia Detecção Cooperativa de Espectro usando USRP]( "Detecção de Energia Detecção Cooperativa de Espectro usando USRP")
Detecção de Energia Detecção Cooperativa de Espectro usando USRP26,99 €
A pesquisa é dedicada à detecção automática do sigmatismo na fala de falantes adultos de alemão. Tem dois grandes propósitos: (1) encontrar um conjunto óptimo de características de áudio que permitam distinguir entre fala normal e fala desordenada; (2) criar um algoritmo de classificação Machine Learning (ML) capaz de analisar características extraídas e detectar sigmatismo ao nível do telefone.Os recursos são selecionados de acordo com o fundo fonético dos sons considerados.Eles incluem os três primeiros formantes, amplitude do meio-raiz-quadrado (RMS), picos espectrais, centróide espectral, espessamento espectral e os 12 primeiros coeficientes cepstral de mel-frequência (MFCCs).Três métodos ML são considerados para a detecção do sigmatismo: Máquina Vectorial de Suporte, Processo Gaussiano, e Redes Neurais. O processo de extração de características bem como a classificação automática são conduzidos através de scripts Python. Como resultado, o modelo baseado em SVM com o kernel RBF mostrou a maior taxa de precisão de 90,6 %.