Andere Kunden interessierten sich auch für
![Reconhecimento Dimensional e Discreto de Emoções a partir do Discurso]( "Reconhecimento Dimensional e Discreto de Emoções a partir do Discurso")
Reconhecimento Dimensional e Discreto de Emoções a partir do Discurso39,99 €![Dimensionale und diskrete Erkennung von Emotionen aus Sprache]( "Dimensionale und diskrete Erkennung von Emotionen aus Sprache")
Dimensionale und diskrete Erkennung von Emotionen aus Sprache60,90 €![Reconnaissance dimensionnelle et discrète des émotions à partir de la parole]( "Reconnaissance dimensionnelle et discrète des émotions à partir de la parole")
Reconnaissance dimensionnelle et discrète des émotions à partir de la parole39,99 €![Dimensional and Discrete Emotion Recognition from Speech]( "Dimensional and Discrete Emotion Recognition from Speech")
Dimensional and Discrete Emotion Recognition from Speech39,99 €![Многомерное и дискретное распознавание э]( "Многомерное и дискретное распознавание э")
Многомерное и дискретное распознавание э16,99 €![Riconoscimento delle emozioni umane dalle immagini del viso]( "Riconoscimento delle emozioni umane dalle immagini del viso")
Riconoscimento delle emozioni umane dalle immagini del viso26,99 €![Introduzione a PolyWordNet]( "Introduzione a PolyWordNet")
Introduzione a PolyWordNet51,99 €
La maggior parte delle ricerche sul riconoscimento delle emozioni vocali si concentra sulla classificazione di emozioni discrete a partire da caratteristiche acustiche o testuali. Questa tesi dimostra che anche la rappresentazione dimensionale delle emozioni è molto valida e mostra i suoi vantaggi rispetto alle emozioni categoriali. La tesi propone due diversi sistemi che utilizzano entrambi caratteristiche bimodali (testuali e acustiche) per riconoscere emozioni discrete e dimensionali. Un sistema sequenziale che esegue prima la regressione dimensionale e poi la classificazione e un sistema parallelo che esegue la classificazione e la regressione allo stesso tempo. La tesi sviluppa un modello di regressione multi-task che serve come nucleo per entrambi i sistemi. Utilizzando il Concordance Correlation Coefficient (CCC) per la valutazione, si scopre che l'architettura sviluppata dalla tesi per la regressione dimensionale supera in tutte le dimensioni (valenza, eccitazione, dominanza) il modello di regressione introdotto in una precedente ricerca dell'istituto di Cambridge. Inoltre, la tesi dimostra che il sistema sequenziale supera il sistema parallelo nel riconoscimento di emozioni sia discrete (accuratezza di classificazione) sia dimensionali (CCC).