Differentiating Laughter Types via HMM/DNN and Probabilistic Sampling
Elmentve itt :
Szerzők: |
Gosztolya Gábor Beke András Neuberger Tilda |
---|---|
Dokumentumtípus: | Könyv része |
Megjelent: |
Springer International Publishing
Berlin
2019
|
Sorozat: | Speech and Computer
|
doi: | 10.1007/978-3-030-26061-3_13 |
mtmt: | 32480743 |
Online Access: | http://publicatio.bibl.u-szeged.hu/17309 |
Hasonló tételek
-
Social Signal Detection by Probabilistic Sampling DNN Training
Szerző: Gosztolya Gábor, et al.
Megjelent: (2020) -
Training context-dependent DNN acoustic models using probabilistic sampling
Szerző: Grósz Tamás, et al.
Megjelent: (2017) -
Calibrating DNN Posterior Probability Estimates of HMM/DNN Models to Improve Social Signal Detection from Audio Data
Szerző: Gosztolya Gábor, et al.
Megjelent: (2019) -
Laughter Classification Using Deep Rectifier Neural Networks with a Minimal Feature Subset
Szerző: Gosztolya Gábor, et al.
Megjelent: (2016) -
Optimized time series filters for detecting laughter and filler events
Szerző: Gosztolya Gábor
Megjelent: (2017)