|
|
Vorlesungsverzeichnis >> Technische Fakultät (TF) >>
|
Automatische Klassifikation von Stimmpathologien (AKS)- Dozentinnen/Dozenten
- Prof. Dr.-Ing. Elmar Nöth, Dr.-Ing. Tino Haderlein
- Angaben
- Praktikum
4 SWS, benoteter Schein, ECTS-Studium, ECTS-Credits: 10
nur Fachstudium, Sprache Deutsch
Zeit und Ort: Einzeltermin am 21.2.2011 10:00 - 18:00, 09.150; Blockveranstaltung 24.2.2011-4.3.2011 Mo-Fr 9:00 - 18:00, 09.150; Bemerkung zu Zeit und Ort: Blockveranstaltung im Anschluss an die Vorlesungszeit
Vorbesprechung: 25.10.2010, 16:45 - 17:45 Uhr, Raum 09.150
- Studienfächer / Studienrichtungen
- WPF INF-DH-ME ab 5 (ECTS-Credits: 10)
WPF INF-BA-PR 5-6 (ECTS-Credits: 10)
- Voraussetzungen / Organisatorisches
- Die Veranstaltung wird als zweiwöchige Blockveranstaltung am Beginn der vorlesungsfreien Zeit angeboten. Der genaue Termin wird in der Vorbesprechung in Absprache mit den Teilnehmern festgesetzt.
- Inhalt
- In diesem Programmierpraktikum sollen prosodische Merkmale zur Klassifikation pathologischer Stimmen eingesetzt werden. Um Praxis und Theorie zu verbinden, werden wir vormittags die theoretischen Grundlagen behandeln, die nachmittags in Java umgesetzt werden sollen.
Es werden u.a. Sprachaufnahmen von chronisch heiseren Sprechern sowie von Sprechern nach teilweiser und vollständiger Kehlkopfentfernung zur Verfügung gestellt. Aus diesen werden mit vorhandenen Programmen die Merkmale berechnet. Diese sollen um Funktionale erweitert werden, d.h. neue Merkmale wie Quantile oder Regressionen werden aus den ursprünglichen Merkmalen berechnet. Zusätzlich können auch neue Merkmale, wie z.B. das Harmonicity-to-Noise Ratio (HNR), implementiert werden.
In der zweiten Praktikumshälfte werden Klassifikationen mithilfe der
Software Weka durchgeführt. Dabei werden die berechneten Merkmale dazu verwendet, um den Pathologietyp des Sprechers zu bestimmen und automatisch für die Klassifikation relevante Untermengen der Merkmale
zu bestimmen. Die Ergebnisse sollen am Ende in einem kurzen Vortrag
dargestellt werden.
Um ein konzentriertes Arbeiten zu ermöglichen, wird die Veranstaltung als Block am Anfang der vorlesungsfreien Zeit durchgeführt. Bei erfolgreicher Teilnahme wird ein benoteter Schein über 4 SWS (10 ECTS) ausgestellt.
Die Implementierung wird in Java erfolgen. Grundlegende Kenntnisse in objektorientierter Programmierung sind erforderlich; Programmiererfahrung und Kenntnisse in effizienter Java-Programmierung sind wünschenswert.
Es ist sinnvoll, die Vorlesung Pattern Recognition bereits
gehört zu haben, aber nicht zwingend erforderlich. Der vorherige Besuch der Vorlesung Sprachverstehen ist von großem Vorteil.
- ECTS-Informationen:
- Credits: 10
- Zusätzliche Informationen
- Schlagwörter: Spracherkennung, Mustererkennung
Erwartete Teilnehmerzahl: 10
www: http://www5.informatik.uni-erlangen.de/lectures/ws-1011/automatische-klassifikation-von-stimmpathologien-aks/
- Institution: Lehrstuhl für Informatik 5 (Mustererkennung)
|
 |
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|