Biblioteca Virtual

Modelización de secuencias para el reconocimiento automático de patrones

Mostrar el registro sencillo del ítem

dc.contributor.advisor Rufiner, Hugo Leonardo
dc.contributor.author Martínez, César Ernesto
dc.contributor.other Gómez, Juan Carlos
dc.contributor.other Risk, Marcelo
dc.contributor.other Granitto, Pablo
dc.date.accessioned 2011-11-02
dc.date.available 2011-11-02
dc.date.issued 2011-11-30
dc.identifier.uri http://hdl.handle.net/11185/294
dc.description Fil: Martínez, César Ernesto. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
dc.description.abstract Sequence modeling is a problem of interest in the field of pattern recognition. It is aimed at the design and building of specialized systems that capture the particularities of distinctive segments of the sequences and their repetition structure. These systems could be used for both classification (discriminative models) as well as for synthesis (generative models). In this work we present progresses on the feature extraction and sequence modeling in two domains of applications: classification of chromosome images and robust speech recognition. In the first one, new parameterizations are here proposed to exploit the variability of the gray bands along the chromosomes. New ways to classify these patterns based on recurrent neural networks and continuous hidden Markov models are introduced. Furthermore, a contextual post-classification algorithm is proposed to carry out a relocation of chromosomes in each class according to the expected number of chromosomes in a cell. For the speech signal representation, new bioinspired alternatives to the speech parameterization are proposed, which model the activation of the primary auditory cortex in response to sound stimuli. The sparse coding patterns obtained are applied to robust phoneme classification and speech denoising. The obtained results show that these techniques can extract useful clues for recognition and retrieval of information that objetively preserve the quality of the denoised signals, with performance benefits over other methods previously reported. en
dc.description.abstract La modelización de secuencias es un problema de gran interés en el reconocimiento de patrones. En el mismo se busca diseñar y construir sistemas especializados en capturar las particularidades de tramos distintivos de las secuencias y su estructura de repetición. Estos sistemas pueden ser empleados tanto para la clasificación (modelos discriminativos) como para la síntesis (modelos generativos). En este trabajo se avanza sobre la extracción de características y modelización en dos dominios de aplicación: las clasificación de imágenes de cromosomas y el reconocimiento robusto de señales de habla. En el primero, se proponen nuevas parametrizaciones que explotan la variabilidad de las bandas de grises a lo largo de los cromosomas. Se introducen nuevas formas de clasificar estos patrones basadas en redes neuronales recurrentes y modelos ocultos de Markov continuos. Se propone, además, un algoritmo de post-clasificación contextual que clasifica todos los cromosomas de una célula en su conjunto. En la representación de la señal de la voz, se proponen nuevas alternativas bioinspiradas de parametrización, que modelan la activación de la corteza auditiva primaria en respuesta a los estímulos sonoros. Los patrones generados mediante una representación rala se aplican a las tareas de clasificación robusta de fonemas y limpieza de señales de habla inmersas en ruido. Los resultados obtenidos muestran que estas técnicas logran extraer las pistas útiles para el reconocimiento y/o recuperar la información que preserva objetivamente la calidad de las señales limpiadas, mostrando ventajas en el desempeño respecto a los métodos clásicos. es
dc.description.sponsorship Universidad Nacional del Litoral
dc.description.sponsorship Agencia Nacional de Promoción Científica y Tecnológica
dc.description.sponsorship Universidad Nacional de Entre Ríos es
dc.format application/pdf
dc.format.mimetype application/pdf
dc.language spa
dc.language.iso spa es
dc.rights info:eu-repo/semantics/openAccess
dc.rights.uri https://bibliotecavirtual.unl.edu.ar/licencia/licencia.html
dc.subject Pattern recognition en
dc.subject Chromosome classification en
dc.subject Automatic karyotyping en
dc.subject Sparse coding en
dc.subject Approximated cortical representation en
dc.subject Robust speech recognition en
dc.subject Reconocimiento de patrones es
dc.subject Clasificación de cromosomas es
dc.subject Cariotipado automático es
dc.subject Representaciones ralas es
dc.subject Representación cortical aproximada es
dc.subject Reconocimiento robusto del habla es
dc.title Modelización de secuencias para el reconocimiento automático de patrones es
dc.title.alternative Sequence modeling for automatic pattern recognition en
dc.type info:ar-repo/semantics/tesis doctoral
dc.type info:eu-repo/semantics/doctoralThesis
dc.type SNRD
dc.type info:eu-repo/semantics/acceptedVersion
dc.type Thesis es
dc.contributor.coadvisor Milone, Diego Humberto
unl.formato application/pdf
unl.versionformato 1a
unl.tipoformato PDF/A-1a


Ficheros en el ítem

Este ítem aparece en

Mostrar el registro sencillo del ítem

Buscar en la biblioteca