Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "LPCC" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    A class of neuro-computational methods for assamese fricative classification
    Autorzy:
    Patgiri, C.
    Sarma, M.
    Sarma, K. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/91763.pdf
    Data publikacji:
    2015
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    neuro-computational classifier
    fricative phonemes
    Assamese language
    Recurrent Neural Network
    RNN
    neuro fuzzy classifier
    linear prediction cepstral coefficients
    LPCC
    self-organizing map
    SOM
    adaptive neuro-fuzzy inference system
    ANFIS
    klasyfikator neuronowy
    klasyfikator neuronowo rozmyty
    sieć Kohonena
    Opis:
    In this work, a class of neuro-computational classifiers are used for classification of fricative phonemes of Assamese language. Initially, a Recurrent Neural Network (RNN) based classifier is used for classification. Later, another neuro fuzzy classifier is used for classification. We have used two different feature sets for the work, one using the specific acoustic-phonetic characteristics and another temporal attributes using linear prediction cepstral coefficients (LPCC) and a Self Organizing Map (SOM). Here, we present the experimental details and performance difference obtained by replacing the RNN based classifier with an adaptive neuro fuzzy inference system (ANFIS) based block for both the feature sets to recognize Assamese fricative sounds.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2015, 5, 1; 59-70
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnostyka silnika synchronicznego oparta na rozpoznawaniu dźwięku z zastosowaniem LPCC i GSDM
    Diagnostics of a synchronous motor based on sound recognition with application of LPCC and GSDM
    Autorzy:
    Głowacz, A.
    Głowacz, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/156930.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    silnik synchroniczny
    rozpoznawanie dźwięku
    LPCC
    GSDM
    diagnostyka
    synchronous motor
    sound recognition
    LPCC (Linear Predictive Cepstrum Coefficients)
    GSDM (Genetic Sparse Distributed Memory)
    diagnostics
    Opis:
    Zaprezentowano koncepcję badania sygnałów akustycznych stanów przedawaryjnych silnika synchronicznego. Oprogramowanie do rozpoznawania dźwięku zostało zaimplementowane. Algorytmy przetwarzania i analizy sygnałów akustycznych zostały zastosowane. System jest oparty na algorytmie LPCC (Współczynniki cepstralne liniowego kodowania) i GSDM (Genetyczna rozrzedzona pamięć rozproszona). Badania zostały przeprowadzone dla sygnałów akustycznych stanów przedawaryjnych. Zmiany w sygnale akustycznym spowodowane były przez zwarcia i przerwy w obwodzie stojana. Analiza wyników pokazuje wrażliwość metody opartej na LPCC i GSDM w zależności od danych wejściowych. Wyniki badań potwierdzają poprawne działanie systemu rozpoznawania dźwięku silnika synchronicznego.
    In recent years the methods of sound recognition have been de-veloped. Hence, there is an idea to use them in case of machines. The paper describes the concept of investigations of acoustic signals of synchronous motor imminent failure conditions. Measurements were taken with a recorder OLYMPUS WS-200S. Sound recognition software was implemented. Algorithms of signal processing and analysis were used. The system is based on the LPCC (Linear Predictive Cepstrum Coefficients) algorithm and GSDM (Genetic Sparse Distributed Memory). Investigations were carried out for acoustic signals of imminent failure conditions. The following plan of investigations of a synchronous motor acoustic signal was proposed: recording of audio track, sound track division, sampling, quantization, normalization, filtration, windowing, feature extraction, classification (Fig. 2). Figs. 3, 4, 5 and 6 show changes of the LPCC values for four types of the categories recognized. Changes in the acoustic signal were caused by short circuit and broken coils in the stator circuit. The sound recognition efficiency depending on the acoustic signal and the sample length is presented in Fig. 8. The sound recognition system was built for a synchronous motor. There were used 39 band-pass filters in investigations. Analysis of the results shows the sensitivity of the method based on LPCC and GSDM, depending on the input data. The results confirm correct operation of the synchronous motor sound recognition system. These studies can be used for diagnostics based on acoustic emission in electrical, mechanical, hydraulic and pneumatic machines.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 5, 5; 479-482
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Genetic Algorithm for Combined Speaker and Speech Recognition using Deep Neural Networks
    Autorzy:
    Kaur, G.
    Srivastava, M.
    Kumar, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/958089.pdf
    Data publikacji:
    2018
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    deep neural networks
    genetic algorithm
    LPCC
    MFCC
    PLP
    RASTA-PLP
    speaker recognition
    speech recognition
    Opis:
    Huge growth is observed in the speech and speaker recognition field due to many artificial intelligence algorithms being applied. Speech is used to convey messages via the language being spoken, emotions, gender and speaker identity. Many real applications in healthcare are based upon speech and speaker recognition, e.g. a voice-controlled wheelchair helps control the chair. In this paper, we use a genetic algorithm (GA) for combined speaker and speech recognition, relying on optimized Mel Frequency Cepstral Coefficient (MFCC) speech features, and classification is performed using a Deep Neural Network (DNN). In the first phase, feature extraction using MFCC is executed. Then, feature optimization is performed using GA. In the second phase training is conducted using DNN. Evaluation and validation of the proposed work model is done by setting a real environment, and efficiency is calculated on the basis of such parameters as accuracy, precision rate, recall rate, sensitivity, and specificity. Also, this paper presents an evaluation of such feature extraction methods as linear predictive coding coefficient (LPCC), perceptual linear prediction (PLP), mel frequency cepstral coefficients (MFCC) and relative spectra filtering (RASTA), with all of them used for combined speaker and speech recognition systems. A comparison of different methods based on existing techniques for both clean and noisy environments is made as well.
    Źródło:
    Journal of Telecommunications and Information Technology; 2018, 2; 23-31
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Spektrometria całego ciała w Polsce – nauka, medycyna, dozymetria
    Whole body spectrometry in Poland – science, medicine, dosimetry
    Autorzy:
    Ośko, Jakub
    Kierepko, Renata
    Powiązania:
    https://bibliotekanauki.pl/articles/985850.pdf
    Data publikacji:
    2020
    Wydawca:
    Indygo Zahir Media
    Tematy:
    spektrometria całego ciała
    LPCC NCBJ
    SCC IFJ PAN
    badania in vivo
    whole body spectrometry
    NCBJ whole body counter
    IFJ PAN whole body spectrometer
    in vivo measurements
    Opis:
    Spektrometria całego ciała realizowana jest na terenie Polski w oparciu o dwa urządzenia zlokalizowane w Narodowym Centrum Badań Jądrowych w Świerku oraz w Instytucie Fizyki Jądrowej Polskiej Akademii Nauk w Krakowie. Ta technika pomiarowa, stosowana w powiązaniu z odpowiednio przygotowanymi kalibracjami wydajnościowymi (opracowanymi w oparciu o wykorzystanie fantomów antropometrycznych i/lub modeli numerycznych), umożliwia jakościową i ilościową analizę izotopów gamma – promieniotwórczych zdeponowanych w ciele człowieka. Spektrometry całego ciała w Polsce wykorzystywane są do rutynowego monitoringu osób narażonych zawodowo, monitoringu pracowników i pacjentów medycyny nuklearnej oraz ich rodzin, a także badań osób potencjalnie skażonych w wyniku incydentów/zdarzeń jądrowych.
    Whole body spectrometry is carried out in Poland based on two devices located in the National Center for Nuclear Research in Świerk and the Institute of Nuclear Physics Polish Academy of Sciences in Krakow. This measuring technique, used together with properly prepared performance calibrations (developed based on anthropometric phantoms and / or numerical models), enables qualitative and quantitative analysis of gamma- radioactive isotopes deposited in the human body. Whole body spectrometers in Poland are used for routine monitoring of occupationally exposed personnel, monitoring of employees and patients in the field of nuclear medicine and their families, as well as research on persons potentially contaminated as a result of nuclear incidents / events.
    Źródło:
    Inżynier i Fizyk Medyczny; 2020, 9, 1; 27-30
    2300-1410
    Pojawia się w:
    Inżynier i Fizyk Medyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Visualization of stages of determining cepstral factors in speech recognition systems
    Autorzy:
    Proksa, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/333103.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    rozpoznawanie mowy
    LPCC
    MFCC
    wyizolowane słowo
    sygnały mowy
    speech recognition
    cepstral coefficients
    isolated word
    Opis:
    The article presents two methods of determination of cepstral parameters commonly applied in digital signal processing, in particular in speech recognition systems. The solutions presented are part of a project aimed at developing applications allowing to control the Windows operating system with voice and the use of MSAA (Microsoft Active Accessibility). The analysed voice signal has been visually presented at each of the crucial stages of developing cepstral coefficients.
    Źródło:
    Journal of Medical Informatics & Technologies; 2009, 13; 121-128
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies