Mostrar el registro sencillo del ítem
Reconocimiento de Emociones en la Lengua no Aprendida
| dc.contributor.author | Sánchez-Avivar, Luisa María | |
| dc.date | 2021-07 | |
| dc.date.accessioned | 2022-01-04T12:25:06Z | |
| dc.date.available | 2022-01-04T12:25:06Z | |
| dc.identifier.uri | https://reunir.unir.net/handle/123456789/12260 | |
| dc.description | This work performs a speech emotional recognition through three languages. For this purpose, three different models have been implemented and trained in english, and subsequently tested in other two languages which never took part in the training (french and german). It is assumed that speech audio signals carry emotional information that can be retrieved and hence MFCC features are extracted since they are recognized as best suited to represent emotions through prosody. Different classifiers based on convolutional neural network (CNN) architecture were used (unidimensional CNN, bidimensional CNN and LSTM-CNN). The results show that CNN-LSTM outperforms over the other options with a 92.06% of accuracy in a monolinguistic clasification in english, while appliying the same approach in a cross language classification did not deliver satisfactory results. | es_ES |
| dc.description.abstract | En este estudio se llevó a cabo un reconocimiento emocional de la voz multi-lingüístico. Para ello, se implementaron tres modelos distintos entrenados en inglés, y posteriormente fueron evaluados en dos lenguas extranjeras que no formaron parte del entrenamiento (francés y alemán). Las características cepstrales de la escala de Mel se extrajeron a partir de las muestras de audio y fueron usadas en los tres clasificadores con una arquitectura basada en redes convolucionales. El uso de espectrogramas en una arquitectura híbrida de redes convolucionales y LSTM se mostró superior frente a los otros, consiguiendo un 92.06% de exactitud en una clasificación monolingüística. Por otro lado, la clasificación multi-lingüística no arrojó resultados satisfactorios aplicando el mismo método. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.rights | openAccess | es_ES |
| dc.subject | CNN-LSTM | es_ES |
| dc.subject | reconocimiento de emociones en el habla | es_ES |
| dc.subject | características espectrales | es_ES |
| dc.subject | lengua extranjera | es_ES |
| dc.subject | foreign language | es_ES |
| dc.subject | MFCC | es_ES |
| dc.subject | spectral features | es_ES |
| dc.subject | speech emotion recognition | es_ES |
| dc.subject | Máster Universitario en Inteligencia Artificial | es_ES |
| dc.title | Reconocimiento de Emociones en la Lengua no Aprendida | es_ES |
| dc.type | masterThesis | es_ES |
| reunir.tag | ~MIA | es_ES |
