Clasificación automática de la calidad vocal

Autores
García , Mario Alejandro; Destefanis , Eduardo
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
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
In order to classify the vocal quality on GRBAS scale, an approach of end­to­end neural network design is presented. Based on this approach, three neural networks are shown. These neural networks calculate the short term Fourier transform (STFT), cepstrum and shimmer of an audio signal. The training of the networks that calculate STFT and shimmer was successful. The network that calculates the cepstrum could not be trained, but an alternative model that calculates the autocovariance could. It is concluded that the developed neural networks are compatible with the proposed approach. This is because they allow the er
Fil: García, Mario Alejandro. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Grupo de Inteligencia Artificial; Argentina.
Fil: Destefanis, Eduardo. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
Peer Reviewed
Materia
Aprendizaje profundo
Redes neuronales artificiales
Calidad vocal
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-NoDerivatives 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/13972
Acceder
id RIAUTN_99cff64f043e285ff0d1d1d9a7d59161
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/13972
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Clasificación automática de la calidad vocalGarcía , Mario AlejandroDestefanis , EduardoAprendizaje profundoRedes neuronales artificialesCalidad vocalSe 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 atrásIn order to classify the vocal quality on GRBAS scale, an approach of end­to­end neural network design is presented. Based on this approach, three neural networks are shown. These neural networks calculate the short term Fourier transform (STFT), cepstrum and shimmer of an audio signal. The training of the networks that calculate STFT and shimmer was successful. The network that calculates the cepstrum could not be trained, but an alternative model that calculates the autocovariance could. It is concluded that the developed neural networks are compatible with the proposed approach. This is because they allow the erFil: García, Mario Alejandro. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Grupo de Inteligencia Artificial; Argentina.Fil: Destefanis, Eduardo. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.Peer ReviewededUTecNe2025-10-14T20:06:09Z2019info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfJornada de Intercambio y Difusión de los Resultados de Investigaciones de los Doctorados en Ingeniería / coordinación general de Marcelo Martín Marciszack ; dirigido por Oscar Alfredo Anunziata... [et al.]. - 1a ed . - Ciudad Autónoma de Buenos Aires : edUTecNe, 2019.https://hdl.handle.net/20.500.12272/13972spainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/García, Mario Alejandro; Destefanis, Eduardo.https://creativecommons.org/licenses/by-nc-nd/4.0/reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:43:57Zoai:ria.utn.edu.ar:20.500.12272/13972instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:43:57.337Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Clasificación automática de la calidad vocal
title Clasificación automática de la calidad vocal
spellingShingle Clasificación automática de la calidad vocal
García , Mario Alejandro
Aprendizaje profundo
Redes neuronales artificiales
Calidad vocal
title_short Clasificación automática de la calidad vocal
title_full Clasificación automática de la calidad vocal
title_fullStr Clasificación automática de la calidad vocal
title_full_unstemmed Clasificación automática de la calidad vocal
title_sort Clasificación automática de la calidad vocal
dc.creator.none.fl_str_mv García , Mario Alejandro
Destefanis , Eduardo
author García , Mario Alejandro
author_facet García , Mario Alejandro
Destefanis , Eduardo
author_role author
author2 Destefanis , Eduardo
author2_role author
dc.subject.none.fl_str_mv Aprendizaje profundo
Redes neuronales artificiales
Calidad vocal
topic Aprendizaje profundo
Redes neuronales artificiales
Calidad vocal
dc.description.none.fl_txt_mv 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
In order to classify the vocal quality on GRBAS scale, an approach of end­to­end neural network design is presented. Based on this approach, three neural networks are shown. These neural networks calculate the short term Fourier transform (STFT), cepstrum and shimmer of an audio signal. The training of the networks that calculate STFT and shimmer was successful. The network that calculates the cepstrum could not be trained, but an alternative model that calculates the autocovariance could. It is concluded that the developed neural networks are compatible with the proposed approach. This is because they allow the er
Fil: García, Mario Alejandro. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Grupo de Inteligencia Artificial; Argentina.
Fil: Destefanis, Eduardo. Universidad Tecnológica Nacional. Facultad Regional Córdoba. Centro de Investigación en Informática para la Ingeniería; Argentina.
Peer Reviewed
description 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
publishDate 2019
dc.date.none.fl_str_mv 2019
2025-10-14T20:06:09Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv Jornada de Intercambio y Difusión de los Resultados de Investigaciones de los Doctorados en Ingeniería / coordinación general de Marcelo Martín Marciszack ; dirigido por Oscar Alfredo Anunziata... [et al.]. - 1a ed . - Ciudad Autónoma de Buenos Aires : edUTecNe, 2019.
https://hdl.handle.net/20.500.12272/13972
identifier_str_mv Jornada de Intercambio y Difusión de los Resultados de Investigaciones de los Doctorados en Ingeniería / coordinación general de Marcelo Martín Marciszack ; dirigido por Oscar Alfredo Anunziata... [et al.]. - 1a ed . - Ciudad Autónoma de Buenos Aires : edUTecNe, 2019.
url https://hdl.handle.net/20.500.12272/13972
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
García, Mario Alejandro; Destefanis, Eduardo.
https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
García, Mario Alejandro; Destefanis, Eduardo.
https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv edUTecNe
publisher.none.fl_str_mv edUTecNe
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230867668008960
score 13.265058

Publicaciones similares