L'esperimento descritto dimostra che utilizzando tecniche di machine learning è possibile stabilire se la curva di post-enfasi applicata a documenti sonori registrati su nastro magnetico sia quella giusta o meno. Alcuni tra i modelli testati sono in grado di separare i campioni equalizzati in modo corretto (curve di pre-enfasi e post-enfasi dello stesso standard) da quelli equalizzati in modo errato, con errore di cross-validazione pari a 0 e accuracy nella predizione di nuovi dati del 100%

Modelli per il riconoscimento automatico delle curve di pre-enfasi e post-enfasi applicate ai documenti sonori

Casamento, Fabio
2017/2018

Abstract

L'esperimento descritto dimostra che utilizzando tecniche di machine learning è possibile stabilire se la curva di post-enfasi applicata a documenti sonori registrati su nastro magnetico sia quella giusta o meno. Alcuni tra i modelli testati sono in grado di separare i campioni equalizzati in modo corretto (curve di pre-enfasi e post-enfasi dello stesso standard) da quelli equalizzati in modo errato, con errore di cross-validazione pari a 0 e accuracy nella predizione di nuovi dati del 100%
2017-04-13
pre-enfasi, post-enfasi, machine learning, ccir, nab, riconoscimento, atr, csc
File in questo prodotto:
File Dimensione Formato  
fabio_casamento_tesi.pdf

accesso aperto

Dimensione 7.96 MB
Formato Adobe PDF
7.96 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/25920