Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Feature Transfer Learning for Speech Emotion Recognition
Übersetzter Titel:
Feature Transfer Learning für Sprachemotionserkennung
Autor:
Deng, Jun
Jahr:
2016
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Elektrotechnik und Informationstechnik
Betreuer:
Schuller, Björn W. (Prof. Dr. habil.)
Gutachter:
Schuller, Björn W. (Prof. Dr. habil.); Hemmert, Werner (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 815d
Kurzfassung:
With the availability of speech data obtained from different devices, the distribution mismatch between the training and test data has an adverse impact on speech emotion recognition systems. To address this issue, this thesis proposes a set of novel feature transfer learning methods based on autoencoders. Experimental results demonstrate the advantages of the proposed algorithms over other modern transfer learning methods.
Übersetzte Kurzfassung:
Mit der Verfügbarkeit der von verschiedenen Geräten aufgenommenen Sprachdaten, hat die ungleiche Verteilung zwischen den Trainings- und Testdaten eine nachteilige Auswirkung auf die Sprachemotionserkennungssystemen. Um dieses Problem zu beheben, schlägt diese Arbeit eine Reihe von neuen Übertragungslernmethoden vor, die auf Autoencoder basieren. Die experimentellen Ergebnisse zeigen die Vorteile der vorgeschlagenen Algorithmen gegenüber anderen modernen Übertragungslernmethoden.
WWW:
https://mediatum.ub.tum.de/?id=1277589
Eingereicht am:
24.09.2015
Mündliche Prüfung:
02.06.2016
Dateigröße:
1139549 bytes
Seiten:
147
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20160602-1277589-1-4
Letzte Änderung:
07.07.2016
 BibTeX