Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// 3 3 Hanning (T ) 3 Hanning 3T (y(t)w(t)) dt =.5 T y (t)dt. () STRAIGHT F 3 TANDEM-STRAIGHT[] 3 F F 3 [] F []. :
|
|
- Γάδ Αντωνοπούλου
- 5 χρόνια πριν
- Προβολές:
Transcript
1 Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4//,a) Vocoder (F) F F. PSOLA [] sinusoidal model [] phase vocoder Vocoder [3] (F) F 3 [4], [5], [6], [7], [8], [9] [], [], [], [3], [4] [5], [6] [7], [8], University of Yamanashi, Yamanashi 4 85, Japan a) mmorise@yamanashi.ac.jp [9] STRAIGHT[] [] TANDEM-STRAIGHT[] WORLD[3] * [] [] F F [] SNR F F. * c 4 Information Processing Society of Japan
2 Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// 3 3 Hanning (T ) 3 Hanning 3T (y(t)w(t)) dt =.5 T y (t)dt. () STRAIGHT F 3 TANDEM-STRAIGHT[] 3 F F 3 [] F []. : F [3] Hanning nω (ω = π/t n ) nω Hz nω Hz. : F P s (ω) = 3 ω 3 P (ω + λ)dλ, () ω ω 3 P (ω) ω /3 ω.3 3: c 4 Information Processing Society of Japan
3 3 [] nt nt sinc sinc 3 sinc consistent sampling [4] fs Hz fs / Hz * consistent sampling DA/AD DA/AD nω Hz AD nω Hz Hanning -3 db F ±ω Hz q P l (ω) = exp ( q log(p (ω)) + q log (P (ω + ω )P (ω ω ))), Hz ±ω * (3) Hz P l (ω) P l (ω) = exp (F [l s (τ)l q (τ)p s (τ)]), (4) l s (τ) = sin(πf τ), (5) πf τ ( ) πτ l q (τ) = q + q cos, (6) T p s (τ) = F [log (P s (ω))], (7) l s (τ) l q (τ) q q F[] F [] q.8 q.9 3. TANDEM-STRAIGHT F 3. E f σ f (n) = = N K N n= K k= σ f (n), (8) ( P e (k, n) K Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// K l= P e (l, n)), (9) P e (k, n) = log (P l (k, n)) log (P t (k)), () P l (k, n) k n P t (k) c 4 Information Processing Society of Japan 3
4 K FFT N E f E t = K σ t (k) = N K k= N n= σ t (k), () ( P e (k, n) N N m= P e (k, m)). () E t E f E t 3. TANDEM-STRAIGHT [3] 3 F (Standard F) P t (k) 48 khz s ms N, FFT TANDEM-STRAIGHT F 4 Hz 3 4,96 K,48 F Standard F Hz Hz 3.3 : SNR db 6 db. db SNR Standard F: Hz SNR (db) SNR Standard F Hz 3 SNR E f E t SNR Standard F TANDEM-STRAIGHT SNR 45 db TANDEM-STRAIGHT 3.4 : F Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// F %.% SNR 6 db 4 5 STRAIGHT F ±3% TANDEM- TANDEM- STRAIGHT F TANDEM-STRAIGHT c 4 Information Processing Society of Japan 4
5 Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// Standard F: Hz.5.5 Standard F: Hz SNR (db) 3 SNR Standard F Hz.5.5 F estimation error (%) 4 F Standard F Hz *3 3.5 SNR 45 db TANDEM-STRAIGHT F SNR 45 db TANDEM-STRAIGHT 4. Cheap- *3 TANDEM-STRAIGHT F Trick F F TANDEM-STRAIGHT F STRAIGHT [] JSPS 4373 c 4 Information Processing Society of Japan 5
6 Standard F: Hz F estimation error (%) 5 F Standard F Hz H5/A8 [] Moulines, E. and Charpentier, F.: Pitch-synchronous waveform processing techniques for text-to-speech synthesis using diphones, Speech Communication, Vol. 9, No. 5-6, pp (99). [] McAulay, R. and Quatieri, T.: Speech analysis/synthesis based on a sinusoidal representation, IEEE Trans. Acoustics, Speech, and Signal Processing), Vol. 34, No. 4, pp (986). [3] Dudley, H.: Remaking speech, J. Acoust. Soc. Am., Vol., No., pp (939). [4] Noll, A. M.: Short-time spectrum and cepstrum techniques for vocal pitch detection, J. Acoust. Soc. Am., Vol. 36, No., pp (964). [5] Oppenheim, A. V.: Speech analysis-synthesis system based on homomorphic filtering, J. Acoust. Soc. Am., Vol. 45, No., pp (969). [6] Atal, B. S. and Hanauer, S. L.: Speech analysis and synthesis by linear prediction of the speech wave, J. Acoust. Soc. Am., Vol. 5, No. B, pp (969). [7] El-Jaroudi, A. and Makhoul, J.: Discrete all-pole modeling, IEEE Trans. on Signal Processing, Vol. 39, No., pp (99). [8] Badeau, R. and David, B.: Weighted maximum likelihood autoregressive and moving average spectrum modeling, in Proc. ICASSP 8, pp (9). Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// [9] Campedel-Oudot, M., Cappé, O. and Moulines, E.: Estimation of the spectral envelope of voiced sounds using a penalized likelihood approach, IEEE Trans. on Speech and Audio Processing, Vol. 9, No. 5, pp (). [] Kawahara, H., Masuda-Katsuse, I. and de Cheveigné, A.: Restructuring speech representations using a pitch-adaptive time-frequency smoothing and an instantaneous-frequency-based F extraction, Speech Communication, Speech Communication, Vol. 7, pp (999). [] Kawahara, H., Morise, M., Takahashi, T., Nisimura, R., Irino, T. and Banno, H.: TANDEM-STRAIGHT: A temporally stable power spectral representation for periodic signals and applications to interference-free spectrum, f, and aperiodicity estimation, in Proc. ICASSP 8, pp (8). [] Kawahara, H. and Morise, M.: Technical foundations of TANDEM-STRAIGHT, a speech analysis, modification and synthesis framework, SADHANA - Academy Proceedings in Engineering Sciences, Vol. 36, pp (). [3] Morise, M.: An attempt to develop a singing synthesizer by collaborative creation, in Proc. SMAC 3, pp (3). [4] Nakano, T. and Goto, M.: A spectral envelope estimation method based on F-adaptive multi-frame integration analysis, in Proc. SAPA-SCALE, pp. 6 (). [5] Banno, H., Hata, H., Morise, M., Takahashi, T., Irino, T. and Kawahara, H.: Implementation of realtime STRAIGHT speech manipulation system, Acoust. Sci. & Tech., Vol. 8, No. 3, pp (7). [6] Morise, M., Onishi, M., Kawahara, H. and Katayose, H.: v.morish 9: A morphing-based singing design interface for vocal melodies, Lecture Notes in Computer Science, Vol. LNCS 579, pp (9). [7] Zen, H., Tokuda, K. and Black, A. W.: Statistical parametric speech synthesis, Speech Communication, Vol. 5, No., pp (9). [8] Zen, H., Senior, A. and Schuster, M.: Statistical parametric speech synthesis using deep neural networks, in Proc. ICASSP 3, pp (3). [9] Toda, T. and Tokuda, K.: Statistical approach to vocal tract transfer function estimation based on factor analyzed trajectory HMM, in Proc. ICASSP 8, pp (8). [] Kawahara, H., Nisimura, R., Irino, T., Morise, M., Takahashi, T. and Banno, H.: Temporally variable multi-aspect auditory morphing enabling extrapolation without objective and perceptual breakdown, in Proc. ICASSP9, pp (9). [] Morise, M.:, a spectral envelope estimator for high-quality speech synthesis, Speech Communication (4). [] Kawahara, H., Morise, M., Banno, H., Nisimura, R. and Irino, T.: Excitation source analysis for high-quality speech manipulation systems based on an interferencefree representation of group delay with minimum phase response compensation, pp. xxx xxx (4). [3] Mathews, M. V., Miller, J. E. and David, E. E.: Pitch synchronous analysis of voiced sounds, J. Acoust. Soc. Am., Vol. 33, pp (96). [4] Unser, M.: Sampling 5 years after Shannon, Proc. of the IEEE, Vol. 88, pp (). c 4 Information Processing Society of Japan 6
SNR F0 [2], [3], [4] F0 F0 F0 F0 F0 TUSK F0 TUSK F0 6 TUSK 6 F0 2. F0 F0 [5] [6] [7] p[8] Cepstrum [9], [10] [11] [12] [13] F0 [14] F0 [15] DIO[16] [1
1,a) 2 F0 TUSK F0 F0 F0 F0 TUSK TUSK F0 Prototype of a framework for overviewing the performance of F0 estimators Morise Masanori 1,a) Kawahara Hideki 2 Abstract: This article represents a framework for
Διαβάστε περισσότεραVOCODER VOCODER Vocal
Vol.1-MUS-95 No.3 1/6/ VOCODER 1,a) 1,b) 1,c) 1,d) VOCODER VOCODER Vocal VOCODER Cross synthesis VOCODER which preserves linguistic information and characteristic timbre of musical instruments and animal
Διαβάστε περισσότερα: TANDEM-STRAIGHT. Make singing voice tangible: TANDEM-STRAIGHT and temporally variable morphing as substrate. Hideki Kawahara 1 and Masanori Morise 2
Vol.1-MUS-86 No.6 1/7/8 1. : TANDEM-STRAIGHT 1 STRAIGHT TANDEM-STRAIGHT STRAIGHT TANDEM-STRAIGHT SNR 3 db Make singing voice tangible: TANDEM-STRAIGHT and temporally variable morphing as substrate Hideki
Διαβάστε περισσότεραSignal processing for handling singing voice texture
1 TANDEM-STRAIGHT Signal processing for handling singing voice texture Hideki Kawahara 1 Singers explore vocal expressions to the limit. Conventional speech processing algorithms, which were designed to
Διαβάστε περισσότεραFourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT
1,a) 1,2,b) Continuous wavelet transform, CWT CWT CWT CWT CWT 100 1. Continuous wavelet transform, CWT [1] CWT CWT CWT [2 5] CWT CWT CWT CWT CWT Irino [6] CWT CWT CWT CWT CWT 1, 7-3-1, 113-0033 2 NTT,
Διαβάστε περισσότεραLSP (Line Spectrum Pair, LSF: Line Spectrum Frequencies) [19] [20] LSP CODE [21], [22] VOCODER [23] 2. 3 STRAIGHT VOCODER STRAIGHT [24] STRAIGHT [25]
一般社団法人 電子情報通信学会 信学技報 THE INSTITUTE OF ELECTRONICS, IEICE Technical Report INFORMATION AND COMMUNICATION ENGINEERS EA2017-4 (2017-07) [ ]VOCODER 640-8510 930 E-mail: kawahara@sys.wakayama-u.ac.jp 80 VOCODER
Διαβάστε περισσότεραMIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)
1,a) 1,b) 1,c) 1. MIDI [1], [2] U/D/S 3 [3], [4] 1 [5] Song [6] 1 Sony, Minato, Tokyo 108 0075, Japan a) Emiru.Tsunoo@jp.sony.com b) AkiraB.Inoue@jp.sony.com c) Masayuki.Nishiguchi@jp.sony.com MIDI [7]
Διαβάστε περισσότερα1,a) 1,b) 2 3 Sakriani Sakti 1 Graham Neubig 1 1. A Study on HMM-Based Speech Synthesis Using Rich Context Models
HMM 1,a 1,b 3 Sakriani Sakti 1 Graham Neubig 1 1 Hidden Markov Model HMM HMM HMM HMM HMM A Study on HMM-Based Speech Synthesis Using Rich Context Models Shinnosuke Takamichi 1,a Toda Tomoki 1,b Shiga Yoshinori
Διαβάστε περισσότεραAn Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software Defined Radio
C IEEJ Transactions on Electronics, Information and Systems Vol.133 No.5 pp.910 915 DOI: 10.1541/ieejeiss.133.910 a) An Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software
Διαβάστε περισσότεραE-mail: {kameoka,sagayama}@hil.t.u-tokyo.ac.jp, m.goto@aist.go.jp GUI
E-mail: {kameoka,sagayama}@hil.t.u-tokyo.ac.jp, m.goto@aist.go.jp GUI Selective Amplifier of Periodic and Non-periodic Components in Concurrent Audio Signals with Spectral Control Envelopes Hirokazu Kameoka
Διαβάστε περισσότερα3: A convolution-pooling layer in PS-CNN 1: Partially Shared Deep Neural Network 2.2 Partially Shared Convolutional Neural Network 2: A hidden layer o
Sound Source Identification based on Deep Learning with Partially-Shared Architecture 1 2 1 1,3 Takayuki MORITO 1, Osamu SUGIYAMA 2, Ryosuke KOJIMA 1, Kazuhiro NAKADAI 1,3 1 2 ( ) 3 Tokyo Institute of
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Φωνής
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Φωνής Ενότητα 4η: Γραμμική Πρόβλεψη: Ανάλυση και Σύνθεση Στυλιανού Ιωάννης Τμήμα Επιστήμης Υπολογιστών CS578- Speech Signal Processing Lecture
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Φωνής
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Φωνής Διάλεξη: Προσαρμόσιμο Αρμονικό Μοντέλο Παρουσίαση: Gilles Degottex Στυλιανού Ιωάννης Τμήμα Επιστήμης Υπολογιστών A Full-Band Adaptive Harmonic
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Φωνής
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Φωνής Ενότητα 5η: Ημιτονοειδής Ανάλυση και Τροποποίηση Φωνής Στυλιανού Ιωάννης Τμήμα Επιστήμης Υπολογιστών CS578- Speech Signal Processing Lecture
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Φωνής
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Φωνής Ενότητα 7η: Βελτίωση Σήματος Φωνής Στυλιανού Ιωάννης Τμήμα Επιστήμης Υπολογιστών CS578- Speech Signal Processing Lecture 8: Speech Enhancement
Διαβάστε περισσότεραNon-negative Matrix Factorization, NMF [5] NMF. [1 3] Bregman [4] Harmonic-Temporal Clustering, HTC [2,3] 1,2,b) NTT
1,a) 1,2,b) 1. [1 3] Bregman [4] Harmonic-Temporal Clustering, HTC [2,3] 1 7-3-1 113-0033 2 NTT 3-1 243-0198 a) Tomohio Naamura@ipc.i.u-toyo.ac.jp b) ameoa@hil.t.u-toyo.ac.jp/ameoa.hiroazu@lab.ntt.co.jp
Διαβάστε περισσότεραBuried Markov Model Pairwise
Buried Markov Model 1 2 2 HMM Buried Markov Model J. Bilmes Buried Markov Model Pairwise 0.6 0.6 1.3 Structuring Model for Speech Recognition using Buried Markov Model Takayuki Yamamoto, 1 Tetsuya Takiguchi
Διαβάστε περισσότεραF0 Estimation of Melody and Bass Lines in Real-world Musical Audio Signals
99-MUS-31-16, Vol.99, No.68, August 1999. 31 16 goto@etl.go.jp CD EM F0 Estimation o Melody and Bass Lines in Real-world Musical Audio Signals Masataka Goto Electrotechnical Laboratory 1-1-4 Umezono, Tsukuba,
Διαβάστε περισσότεραRe-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]
Re-Pair 1 1 Re-Pair Re-Pair Re-Pair Re-Pair 1. Larsson Moffat [1] Re-Pair Re-Pair (Re-Pair) ( ) (highly repetitive text) [2] Re-Pair [7] Re-Pair Re-Pair n O(n) O(n) 1 Hokkaido University, Graduate School
Διαβάστε περισσότεραVoice Conversion based on Non-negative Matrix Factorization with Segment Features in Noisy Environments
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. NMF 657 8501 1 1 657 8501 1 1 E-ail: {fujii,aihara}@e.cs.scitec.kobe-u.ac.jp, {takigu,ariki}@kobe-u.ac.jp
Διαβάστε περισσότερα(hidden Markov model: HMM) FUNDAMENTALS OF SPEECH SYNTHESIS BASED ON HMM. Keiichi Tokuda. Department of Computer Science
HMM 466-8555 (hidden Markov model: HMM) HMM HMM HMM HMM FUNDAMENTALS OF SPEECH SYNTHESIS BASED ON HMM Keiichi Tokuda Department of Computer Science Nagoya Institute of Technology Gokiso-cho, Shouwa-ku,
Διαβάστε περισσότεραSinsy: HMM. Sinsy An HMM-based singing voice synthesis system which can realize your wish I want this person to sing my song
. Sinsy: HMM 2 (hidden Markov model; HMM) 2009 2 HMM : Sinsy Sinsy 70 Sinsy Sinsy An HMM-based singing voice synthesis system which can realize your wish I want this person to sing my song Keiichiro Oura,
Διαβάστε περισσότεραEstimation, Evaluation and Guarantee of the Reverberant Speech Recognition Performance based on Room Acoustic Parameters
Vol.21-SLP-83 No.9 21/1/29 1 Estimation, Evaluation and Guarantee of the Reverberant Speech Recognition Performance based on Room Acoustic Parameters Takanobu Nishiura 1 We study on estimation, evaluation
Διαβάστε περισσότεραRetrieval of Seismic Data Recorded on Open-reel-type Magnetic Tapes (MT) by Using Existing Devices
No. 3 + 1,**- Technical Research Report, Earthquake Research Institute, University of Tokyo, No. 3, pp. + 1,,**-. MT * ** *** Retrieval of Seismic Data Recorded on Open-reel-type Magnetic Tapes (MT) by
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Φωνής
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Φωνής Ενότητα 8η: Αναγνώριση Ομιλητή Στυλιανού Ιωάννης Τμήμα Επιστήμης Υπολογιστών CS578- Speech Signal Processing Lecture 9: Speaker Recognition
Διαβάστε περισσότερα[5] F 16.1% MFCC NMF D-CASE 17 [5] NMF NMF 3. [5] 1 NMF Deep Neural Network(DNN) FUSION 3.1 NMF NMF [12] S W H 1 Fig. 1 Our aoustic event detect
NMF 1 1,a) 1 AED NMF DNN IEEE D-CASE 2012 20% DNN NMF 1. Computational Auditory Scene Analysis: CASA [1] [2] [3] [4] [5] Non-negative Matrxi Factorization (NMF) NMF 2. CASA IEEE 1 Dept. Computer Science
Διαβάστε περισσότεραSampling Basics (1B) Young Won Lim 9/21/13
Sampling Basics (1B) Copyright (c) 2009-2013 Young W. Lim. Permission is granted to copy, distribute and/or modify this document under the terms of the GNU Free Documentation License, Version 1.2 or any
Διαβάστε περισσότεραv.connect 2 v.connect : A Singing Synthesis System Enabling Users to Control Vocal Tones Makoto Ogawa, 1 Syunji Yazaki 1 and Kôki Abe 1 VOCALOID
v.connect 1 1 1 VOCALOID UTAU WORLD Vorbis v.connect 2 1.7 2.2 v.connect : A Singing Synthesis System Enabling Users to Control Vocal Tones Makoto Ogawa, 1 Syunji Yazaki 1 and Kôki Abe 1 Since the release
Διαβάστε περισσότεραCSJ. Speaker clustering based on non-negative matrix factorization using i-vector-based speaker similarity
i-vector 1 1 1 1 i-vector CSJ i-vector Speaker clustering based on non-negative matrix factorization using i-vector-based speaker similarity Fukuchi Yusuke 1 Tawara Naohiro 1 Ogawa Tetsuji 1 Kobayashi
Διαβάστε περισσότεραSpeech Recognition using Phase Information based on Long-Term Analysis
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. 441 8580 1 1 E-mail: {kyama,sueyoshi,nakagawa}@slp.cs.tut.ac.jp MFCC Liu 2 1 1 90% MFCC 20% Abstract Speech
Διαβάστε περισσότεραResearch on mode-locked optical fiber laser
2003 6 20 Research on mode-locked optical fiber laser 1 36303 Abstract- For future ultrahigh-speed optical communications, an ultrashort optical pulse train at a high repetitionrate will be indispensable.
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Φωνής
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Φωνής Ενότητα 1η: Ψηφιακή Επεξεργασία Σήματος Στυλιανού Ιωάννης Τμήμα Επιστήμης Υπολογιστών CS578- Speech Signal Processing Lecture 1: Discrete-Time
Διαβάστε περισσότερα[2] REVERB 8 [3], [4] [5] [20] [6], [7], [8], [9], [10] [11] REVERB 8 *1 [9] LDA *2 MLLT (SAT) [8] (basis fmllr) [12] (DNN) [10] DNN [11] [13] [14] Ka
: REVERB 1,a) 1 2 REVERB 8 REVERB REVERB 6.76% 18.60% 68.8% 61.5% REVERB Effectiveness of dereverberation techniques and system combination approach for various reverberant environments: REVERB challenge
Διαβάστε περισσότεραΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΜΕΤΑΦΟΡΩΝ
ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΜΕΤΑΦΟΡΩΝ Ενότητα 4: Time and Frequency Analysis Διδάσκων: Γεώργιος Στεφανίδης Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών Σκοποί ενότητας Για την περιγραφή ενός συστήματος κρίσιμο
Διαβάστε περισσότεραSinging Information Processing: Music Information Processing for Singing Voices
: 1 1 1 1 Singing Information Processing: Music Information Processing for Singing Voices Masataka Goto, 1 Takeshi Saitou, 1 Tomoyasu Nakano 1 and Hiromasa Fujihara 1 This paper introduces our research
Διαβάστε περισσότεραBCI On Feature Extraction from Multi-Channel Brain Waves Used for Brain Computer Interface
BCI On Feature Extraction from Multi-Channel Brain Waves Used for Brain Computer Interface Hiroya SAITO Kenji NAKAYAMA Akihiro HIRANO Graduate School of Natural Science and Technology,Kanazawa Univ. E-mail:
Διαβάστε περισσότεραA study of geometric dependency of cepstrum on vocal tract length
THE INSTITUTE OF ELECTRONICS, INFORMTION ND COMMUNICTION ENGINEERS TECHNICL REPORT OF IEICE 277 882 5 5 3 33 7 3 E-mail: {dsk saito,matsuura,asakawa,mine,hirose}gavotu-tokyoacjp n (VTLN) VTLN ĉ = c n 8
Διαβάστε περισσότερα1181 (real-timespeechdriven) 1 1 ( ) D FAP FAP (voiceactivationdetectionvad) D FaceGen 3- D XfaceEd MPEG-4 1 FAP 66 FAP ( ) FAP 84
ISSN1000-0054 CN11-2223/N ( ) 2011 51 9 JTsinghuaUniv(Sci& Tech) 2011Vol.51 No.9 5/33 1180-1186 ( 710129) [1-2] 2 [1] MPEG-4 3-D MOS MOS 3.42 3.50 TP391 1000-0054(2011)09-1180-07 A Real-timespeechdriventalkingavatar
Διαβάστε περισσότερα( ) (Harmonic-Temporal Clustering; HTC) [1], [2] ( ) ( ) [4] HTC. (Non-negative Matrix Factorization; NMF) [3] [5], [6] [7], [8]
1 1 1 1, Product of ExpertsPoE) 1. ) Harmonic-Temporal Clustering; HTC) [1], [] ) ) HTC Non-negative Matrix Factorization; NMF) [3] 1 Graduate School of Information Science and Technology, The University
Διαβάστε περισσότεραProbability and Random Processes (Part II)
Probability and Random Processes (Part II) 1. If the variance σ x of d(n) = x(n) x(n 1) is one-tenth the variance σ x of a stationary zero-mean discrete-time signal x(n), then the normalized autocorrelation
Διαβάστε περισσότεραSpectrum Representation (5A) Young Won Lim 11/3/16
Spectrum (5A) Copyright (c) 2009-2016 Young W. Lim. Permission is granted to copy, distribute and/or modify this document under the terms of the GNU Free Documentation License, Version 1.2 or any later
Διαβάστε περισσότεραBandPass (4A) Young Won Lim 1/11/14
BandPass (4A) Copyright (c) 22 Young W. Lim. Permission is granted to copy, distribute and/or modify this document under the terms of the GNU Free Documentation License, Version.2 or any later version
Διαβάστε περισσότερατο προφίλ της γάστρας, η ίσαλος σχεδίασης, η καμπύλη εμβαδών εγκαρσίων τομών και η κατανομή του κέντρου βάρους των εγκαρσίων τομών κατά μήκος του
6.1. Εργασίες προς απόκτηση ακαδημαϊκού τίτλου Τ1. Γρηγορόπουλου, Γ.Ι. (1981), "Παραγωγή, φασματική ανάλυση και κατανομή μεγίστων τυχαίου κυματισμού", διπλωματική εργασία στην Εφαρμοσμένη και Πειραματική
Διαβάστε περισσότεραHigher-Order Correlation Analysis of Pitch Fluctuations in Sustained Normal Vowels by the Method of Surrogate Data
a) Higher-Order Correlation Analysis of Pitch Fluctuations in Sustained Normal Vowels by the Method of Surrogate Data Isao TOKUDA a), Takaya MIYANO, and Kazuyuki AIHARA 2 3 3 2 3 1. [1] [3] Department
Διαβάστε περισσότεραΣυνδυασμένη Οπτική-Ακουστική Ανάλυση Ομιλίας
Ομάδα Όρασης Υπολογιστών, Επικοινωνίας Λόγου και Επεξεργασίας Σήματος Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχαν. και Μηχαν. Υπολ. http://cvsp.cs.ntua.gr Συνδυασμένη Οπτική-Ακουστική ή Ανάλυση
Διαβάστε περισσότεραΠεριεχόµενα. ΕΠΛ 422: Συστήµατα Πολυµέσων. Μέθοδοι συµπίεσης ηχητικών. Βιβλιογραφία. Κωδικοποίηση µε βάση την αντίληψη.
Περιεχόµενα ΕΠΛ 422: Συστήµατα Πολυµέσων Συµπίεση Ήχου Μέθοδοι συµπίεσης ηχητικών σηµάτων DPCM Συµπίεση σηµάτων οµιλίας Κωδικοποίηση µε βάση την αντίληψη Χαρακτηριστικά και εφαρµογές Ψυχοακουστική (psychoacoustics)
Διαβάστε περισσότεραQuery by Phrase (QBP) (Music Information Retrieval, MIR) QBH QBP / [1, 2] [3, 4] Query-by-Humming (QBH) QBP MIDI [5, 6] [8 10] [7]
Query by Phrase: a 2 2 Query by Phrase QBP QBP GaP-NMF GaP-NMF GaP-NMF QBP. Music Information Retrieval MIR [ 2] [3 4]Query-by-Humming QBH MIDI [5 6] [7] Waseda University 2 National Institute of Advanced
Διαβάστε περισσότεραΕρευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+
Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητικές,Δραστηριότητες,και, Ενδιαφέροντα,, Τμήμα,Μηχανικών,Η/Υ,&,Πληροφορικής, Τομέας,Λογικού,των,Υπολογιστών, Εργαστήριο,Γραφικών,,Πολυμέσων,και,Γεωγραφικών,
Διαβάστε περισσότεραΣΧΟΛΗ Σχολή Τεχνολογικών Εφαρμογών ΤΜΗΜΑ Ηλεκτρονικών Μηχανικών Τ.Ε. ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 5
ΣΧΟΛΗ Σχολή Τεχνολογικών Εφαρμογών ΤΜΗΜΑ Ηλεκτρονικών Μηχανικών Τ.Ε. ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 5 ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Ψηφιακή Επεξεργασία Σήματος ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
Διαβάστε περισσότεραStabilization of stock price prediction by cross entropy optimization
,,,,,,,, Stabilization of stock prediction by cross entropy optimization Kazuki Miura, Hideitsu Hino and Noboru Murata Prediction of series data is a long standing important problem Especially, prediction
Διαβάστε περισσότεραAssignment 1 Solutions Complex Sinusoids
Assignment Solutions Complex Sinusoids ECE 223 Signals and Systems II Version. Spring 26. Eigenfunctions of LTI systems. Which of the following signals are eigenfunctions of LTI systems? a. x[n] =cos(
Διαβάστε περισσότεραFeasible Regions Defined by Stability Constraints Based on the Argument Principle
Feasible Regions Defined by Stability Constraints Based on the Argument Principle Ken KOUNO Masahide ABE Masayuki KAWAMATA Department of Electronic Engineering, Graduate School of Engineering, Tohoku University
Διαβάστε περισσότεραΜουσική Πληροφορική. Αλέξανδρος Ελευθεριάδης Αναπ. Καθηγητής Τµήµα Πληροφορικής και Τηλεπικοινωνιών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
Μουσική Πληροφορική [Διάλεξη 2 (DSP)] Αλέξανδρος Ελευθεριάδης Αναπ. Καθηγητής Τµήµα Πληροφορικής και Τηλεπικοινωνιών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών eleft@di.uoa.gr, (2) 727-52 4. Μη Γραµµική
Διαβάστε περισσότεραNov Journal of Zhengzhou University Engineering Science Vol. 36 No FCM. A doi /j. issn
2015 11 Nov 2015 36 6 Journal of Zhengzhou University Engineering Science Vol 36 No 6 1671-6833 2015 06-0056 - 05 C 1 1 2 2 1 450001 2 461000 C FCM FCM MIA MDC MDC MIA I FCM c FCM m FCM C TP18 A doi 10
Διαβάστε περισσότεραFundamentals of Signals, Systems and Filtering
Fundamentals of Signals, Systems and Filtering Brett Ninness c 2000-2005, Brett Ninness, School of Electrical Engineering and Computer Science The University of Newcastle, Australia. 2 c Brett Ninness
Διαβάστε περισσότεραScrub Nurse Robot: SNR. C++ SNR Uppaal TA SNR SNR. Vain SNR. Uppaal TA. TA state Uppaal TA location. Uppaal
Scrub Nurse Robot: SNR SNR SNR SNR Uppaal Uppaal timed automatonta SNR C++ Uppaal TA SNR SNR 1 1SNR3 SNR SNR C++ SNR Uppaal TA Vain Uppaal TA TA state Uppaal TA location TRON (Testing Realtime Systems
Διαβάστε περισσότερα1 (forward modeling) 2 (data-driven modeling) e- Quest EnergyPlus DeST 1.1. {X t } ARMA. S.Sp. Pappas [4]
212 2 ( 4 252 ) No.2 in 212 (Total No.252 Vol.4) doi 1.3969/j.issn.1673-7237.212.2.16 STANDARD & TESTING 1 2 2 (1. 2184 2. 2184) CensusX12 ARMA ARMA TU111.19 A 1673-7237(212)2-55-5 Time Series Analysis
Διαβάστε περισσότεραΕξάλειψη αντήχησης από ηχητικά σήματα με υποκειμενικά / ψυχοακουστικά κριτήρια
Εξάλειψη αντήχησης από ηχητικά σήματα με υποκειμενικά / ψυχοακουστικά κριτήρια Θωμάς Ζαρούχας Διπλ. Ηλ/γος Μηχανικός thozar@wcl.ee.upatras.gr Παναγιώτης Χατζηαντωνίου Δρ. Ηλ/γος Μηχανικός hagianto@wcl.ee.upatras.gr
Διαβάστε περισσότεραDetection and Recognition of Traffic Signal Using Machine Learning
1 1 1 Detection and Recognition of Traffic Signal Using Machine Learning Akihiro Nakano, 1 Hiroshi Koyasu 1 and Hitoshi Maekawa 1 To improve road safety by assisting the driver, traffic signal recognition
Διαβάστε περισσότεραSpeeding up the Detection of Scale-Space Extrema in SIFT Based on the Complex First Order System
(MIRU2008) 2008 7 SIFT 572-8572 26-12 599-8531 1-1 E-mail: umemoto@ipc.osaka-pct.ac.jp, kise@cs.osakafu-u.ac.jp SIFT 1 ANN 3 1 SIFT 1 Speeding up the Detection of Scale-Space Extrema in SIFT Based on the
Διαβάστε περισσότεραA Method of Trajectory Tracking Control for Nonminimum Phase Continuous Time Systems
IIC-11-8 A Method of Trajectory Tracking Control for Nonminimum Phase Continuous Time Systems Takayuki Shiraishi, iroshi Fujimoto (The University of Tokyo) Abstract The purpose of this paper is achievement
Διαβάστε περισσότεραΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΤΜ. ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ 2018-2019 Επιβλέπουσα: Μπίμπη Ματίνα Ανάλυση της πλατφόρμας ανοιχτού κώδικα Home Assistant Το Home Assistant είναι μία πλατφόρμα ανοιχτού
Διαβάστε περισσότεραΈνα µοντέλο Ισοδύναµης Χωρητικότητας για IEEE Ασύρµατα Δίκτυα. Εµµανουήλ Καφετζάκης
Ένα µοντέλο Ισοδύναµης Χωρητικότητας για IEEE 802.11 Ασύρµατα Δίκτυα. Εµµανουήλ Καφετζάκης mkafetz@iit.demokritos.gr Το κίνητρο µας-συνεισφορά Η ασύρµατη δικτύωση λαµβάνει ευρείας αποδοχής. Το πρότυπο
Διαβάστε περισσότεραMain source: "Discrete-time systems and computer control" by Α. ΣΚΟΔΡΑΣ ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΔΙΑΛΕΞΗ 4 ΔΙΑΦΑΝΕΙΑ 1
Main source: "Discrete-time systems and computer control" by Α. ΣΚΟΔΡΑΣ ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΔΙΑΛΕΞΗ 4 ΔΙΑΦΑΝΕΙΑ 1 A Brief History of Sampling Research 1915 - Edmund Taylor Whittaker (1873-1956) devised a
Διαβάστε περισσότεραVocal Dynamics Controller:
Vocal Dynamics Controller:. F ),) F F 2 F F EM 2 ),2),3) 2 F 4) F Vocal Dynamics Controller 2 Vocal Dynamics Controller: A note-by-note editing and synthesizing interface for F dynamics in singing voices
Διαβάστε περισσότεραAcoustic Signal Adjustment by Considering Musical Expressive Intention Using a Performance Intension Function
1,a) 2 MOS Acoustic Signal Adjustment by Considering Musical Expressive Intention Using a Performance Intension Function Yuma Koizumi 1,a) Katunobu Itou 2 Abstract: We propose an estimation method for
Διαβάστε περισσότεραΑΝΤΩΝΙΑΔΗΣ ΝΙΚΟΛΑΟΣ & 1991 Υποτροφία του Κοινωφελούς Ιδρύματος "Αλ. Σ. Ωνάσης" για μεταπτυχιακές σπουδές.
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ N. Σιμεντζή 4 471 00 Αρτα Τηλ.: (26810) 24536 (οικία) (26810) 50345 (εργασία) Φαξ: (26810) 50340 E-mail: nadon@teiep.gr Προσωπικά Στοιχεία ΑΝΤΩΝΙΑΔΗΣ ΝΙΚΟΛΑΟΣ Ημερομηνία Γέννησης: 4
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Φωνής
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Φωνής Ενότητα 2η: Παραγωγή και Ταξινόμηση Σημάτων Φωνής Στυλιανού Ιωάννης Τμήμα Επιστήμης Υπολογιστών CS578- Speech Signal Processing Lecture
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Ανάλυση Επικοινωνιακών Σημάτων κατά Fourier
ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Ανάλυση Επικοινωνιακών Σημάτων κατά Fourier 2.2: Μετασχηματισμός Fourier (Fourier Transform, FT) 2.3: Ιδιότητες του
Διαβάστε περισσότεραDigital Signal Octave Codes (0B)
Digital Signal Aliasing and Folding Frequencies Copyright (c) 2009-2017 Young W. Lim. Permission is granted to copy, distribute and/or modify this document under the terms of the GNU Free Documentation
Διαβάστε περισσότεραΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. του Φοιτητή του Τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών της Πολυτεχνικής Σχολής του Πανεπιστημίου Πατρών
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΕΝΣΎΡΜΑΤΗΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ του Φοιτητή του Τμήματος Ηλεκτρολόγων
Διαβάστε περισσότεραOptimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)
( ) 1 ( ) : : (Differential Evolution, DE) (Particle Swarm Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] 2 2.1 (P) (P ) minimize f(x) subject to g j (x) 0, j = 1,..., q h j (x) = 0, j
Διαβάστε περισσότεραEM Baum-Welch. Step by Step the Baum-Welch Algorithm and its Application 2. HMM Baum-Welch. Baum-Welch. Baum-Welch Baum-Welch.
Baum-Welch Step by Step the Baum-Welch Algorithm and its Application Jin ichi MURAKAMI EM EM EM Baum-Welch Baum-Welch Baum-Welch Baum-Welch, EM 1. EM 2. HMM EM (Expectationmaximization algorithm) 1 3.
Διαβάστε περισσότεραSupplementary Appendix
Supplementary Appendix Measuring crisis risk using conditional copulas: An empirical analysis of the 2008 shipping crisis Sebastian Opitz, Henry Seidel and Alexander Szimayer Model specification Table
Διαβάστε περισσότεραAnalysis of prosodic features in native and non-native Japanese using generation process model of fundamental frequency contours
THE INSTITUTE O ELECTRONICS, INORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT O IEICE. 277 8562 5 1 5 113 3 7 3 1 6 817 17 8 E-mail: {hiran,wtgu,hirose,mine}@gavo.t.u-tokyo.ac.jp, goh@kawai.com
Διαβάστε περισσότεραSummary of the model specified
Program: HLM 7 Hierarchical Linear and Nonlinear Modeling Authors: Stephen Raudenbush, Tony Bryk, & Richard Congdon Publisher: Scientific Software International, Inc. (c) 2010 techsupport@ssicentral.com
Διαβάστε περισσότεραΔιάλεξη 6. Fourier Ανάλυση Σημάτων. (Επανάληψη Κεφ. 10.0-10.2 Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων. Τι πρέπει να προσέξουμε
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη (Επανάληψη Κεφ. 10.0-10. Κεφ. 10.3, 10.5-7) Ανάλυση σημάτων Τι πρέπει να προσέξουμε Επαρκής ψηφιοποίηση στο χρόνο (Nyquist) Αναδίπλωση (aliasing)
Διαβάστε περισσότερα070-A
764 070-A543-50 www.tektronix.com Copyright Tektronix Japan, Ltd. All rights reserved. 141 0001 5 9 31 TektronixTek Tektronix, Inc. i v ix xi 1 11 12 12 12 13 19 110 110 2 21 21 22 23 24 24 26 211
Διαβάστε περισσότεραAnomaly Detection with Neighborhood Preservation Principle
27 27 Workshop on Information-Based Induction Sciences (IBIS27) Tokyo, Japan, November 5-7, 27. Anomaly Detection with Neighborhood Preservation Principle Tsuyoshi Idé Abstract: We consider a task of anomaly
Διαβάστε περισσότεραΠαραμετρική ανάλυση του συντελεστή ανάκλασης από στρωματοποιημένο πυθμένα δύο στρωμάτων με επικλινή διεπιφάνεια 1
4 93 Παραμετρική ανάλυση του συντελεστή ανάκλασης από στρωματοποιημένο πυθμένα δύο στρωμάτων με επικλινή διεπιφάνεια Π. Παπαδάκης,a, Γ. Πιπεράκης,b & Μ. Καλογεράκης,,c Ινστιτούτο Υπολογιστικών Μαθηματικών
Διαβάστε περισσότεραΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ
ΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ Νικόλαος Κυριακούλης *, Ευάγγελος Καρακάσης, Αντώνιος Γαστεράτος, Δημήτριος Κουλουριώτης, Σπυρίδων Γ. Μουρούτσος Δημοκρίτειο
Διαβάστε περισσότεραArea Location and Recognition of Video Text Based on Depth Learning Method
21 6 2016 12 Vol 21 No 6 JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY Dec 2016 1 1 1 2 1 150080 2 130300 Gabor RBM OCR DOI 10 15938 /j jhust 2016 06 012 TP391 43 A 1007-2683 2016 06-0061- 06
Διαβάστε περισσότερα1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)
1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e) 1. [11], [15] 1 Nara Institute of Science and Technology a) akabe.koichi.zx8@is.naist.jp b) neubig@is.naist.jp c) ssakti@is.naist.jp d) tomoki@is.naist.jp
Διαβάστε περισσότεραμ μ μ s t j2 fct T () = a() t e π s t ka t e e j2π fct j2π fcτ0 R() = ( τ0) xt () = α 0 dl () pt ( lt) + wt () l wt () N 2 (0, σ ) Time-Delay Estimation Bias / T c 0.4 0.3 0.2 0.1 0-0.1-0.2-0.3 In-phase
Διαβάστε περισσότεραElements of Information Theory
Elements of Information Theory Model of Digital Communications System A Logarithmic Measure for Information Mutual Information Units of Information Self-Information News... Example Information Measure
Διαβάστε περισσότεραQ L -BFGS. Method of Q through full waveform inversion based on L -BFGS algorithm. SUN Hui-qiu HAN Li-guo XU Yang-yang GAO Han ZHOU Yan ZHANG Pan
3 2015 12 GLOBAL GEOLOGY Vol. 3 No. Dec. 2015 100 5589 2015 0 1106 07 L BFGS Q 130026 Q 2D L BFGS Marmousi Q L BFGS P631. 3 A doi 10. 3969 /j. issn. 1005589. 2015. 0. 02 Method of Q through full waveform
Διαβάστε περισσότεραHDD. Point to Point. Fig. 1: Difference of time response by location of zero.
Trajectory Tracking Control using Two-degree-of-freedom Control Based on Zero-Phase-Minimum-Phase Function Factorization for Nonminimum-Phase Continuous-Time System T. Shiraishi and H. Fujimoto (The University
Διαβάστε περισσότερα{takasu, Conditional Random Field
DEIM Forum 2016 C8-6 CRF 700 8530 3 1 1 700 8530 3 1 1 101 8430 2-1-2 E-mail: pobp52cw@s.okayama-u.ac.jp, ohta@de.cs.okayama-u.ac.jp, {takasu, adachi}@nii.ac.jp Conditional Random Field 1. Conditional
Διαβάστε περισσότεραΆσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F
Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό
Διαβάστε περισσότεραΧαρακτηρισµός Νεοπλασµάτων στη Μαστογραφία από το Σχήµα της Παρυφής µε χρήση Νευρωνικών ικτύων
Χαρακτηρισµός Νεοπλασµάτων στη Μαστογραφία από το Σχήµα της Παρυφής µε χρήση Νευρωνικών ικτύων Χ. Γεωργίου 1 (xgeorgio@hol.gr),. Κάβουρας 2 (cavouras@hol.gr), Ν. ηµητρόπουλος 3, Σ. Θεοδωρίδης 1 (stheodor@di.uoa.gr)
Διαβάστε περισσότεραVol. 31,No JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb
Ξ 31 Vol 31,No 1 2 0 0 1 2 JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb 2 0 0 1 :025322778 (2001) 0120016205 (, 230026) : Q ( m 1, m 2,, m n ) k = m 1 + m 2 + + m n - n : Q ( m 1, m 2,, m
Διαβάστε περισσότεραCorV CVAC. CorV TU317. 1
30 8 JOURNAL OF VIBRATION AND SHOCK Vol. 30 No. 8 2011 1 2 1 2 2 1. 100044 2. 361005 TU317. 1 A Structural damage detection method based on correlation function analysis of vibration measurement data LEI
Διαβάστε περισσότεραMaxima SCORM. Algebraic Manipulations and Visualizing Graphs in SCORM contents by Maxima and Mashup Approach. Jia Yunpeng, 1 Takayuki Nagai, 2, 1
Maxima SCORM 1 2, 1 Muhammad Wannous 1 3, 4 2, 4 Maxima Web LMS MathML HTML5 Flot jquery JSONP JavaScript SCORM SCORM Algebraic Manipulations and Visualizing Graphs in SCORM contents by Maxima and Mashup
Διαβάστε περισσότεραΤιμοκατάλογος λιανικής
Τιμοκατάλογος λιανικής 2013 Γ. Σεφέρη 28 - Κωνσταντινοπολίτικα 54 352 - Τηλ & Fax: 2310-322155 - www.apopsissound.gr T 1 Περιγραφή Τιμή Headphone design: Semi-open Headphone impedance: 600 ohms Frequency
Διαβάστε περισσότεραEcho path identification for stereophonic acoustic echo cancellation without pre-processing
Echo path identification for stereophonic acoustic echo cancellation without pre-processing Yuusuke MIZUNO Takuya NUNOME Akihiro HIRANO Kenji NAKAYAMA Division of Electronics and Computer Science Graduate
Διαβάστε περισσότεραBundle Adjustment for 3-D Reconstruction: Implementation and Evaluation
3 2 3 2 3 undle Adjustment or 3-D Reconstruction: Implementation and Evaluation Yuuki Iwamoto, Yasuyuki Sugaya 2 and Kenichi Kanatani We describe in detail the algorithm o bundle adjustment or 3-D reconstruction
Διαβάστε περισσότερα7AAC63-90 SINGLE-PHASE MOTORS PERMANENT CAPACITOR 7AACC SINGLE-PHASE MOTORS CAP START - CAP RUN. squirrel cage induction motors 7AACC63-100
7AAC63-90 SINGLE-PHASE MOTORS PERMANENT CAPACITOR squirrel cage induction motors 7AACC63-100 SINGLE-PHASE MOTORS CAP START - CAP RUN Electric Motors Division WELLINGBOROUGH 7AACC63-100 EXICO LIMITED, 16
Διαβάστε περισσότερα6.003: Signals and Systems. Modulation
6.003: Signals and Systems Modulation May 6, 200 Communications Systems Signals are not always well matched to the media through which we wish to transmit them. signal audio video internet applications
Διαβάστε περισσότεραJOURNAL OF APPLIED SCIENCES Electronics and Information Engineering. Cyclic MUSIC DOA TN (2012)
30 01 3 JOURNAL OF APPLIED SCIENCES Electronics and Information Engineering Vol. 30 No. Mar. 01 DOI: 10.3969/j.issn.055-897.01.0.007 DOA 1, 1 1. 150001. 15007 DOA DOA. Cyclic MUSIC.. DOA TN911.7 055-89701)0-0146-05
Διαβάστε περισσότερα: Monte Carlo EM 313, Louis (1982) EM, EM Newton-Raphson, /. EM, 2 Monte Carlo EM Newton-Raphson, Monte Carlo EM, Monte Carlo EM, /. 3, Monte Carlo EM
2008 6 Chinese Journal of Applied Probability and Statistics Vol.24 No.3 Jun. 2008 Monte Carlo EM 1,2 ( 1,, 200241; 2,, 310018) EM, E,,. Monte Carlo EM, EM E Monte Carlo,. EM, Monte Carlo EM,,,,. Newton-Raphson.
Διαβάστε περισσότερα