Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/27067| Título: | Classificador neural de vozes rugosas |
| Autor(es): | Lens, Nicolas Basso |
| Orientador(es): | Dajer, María Eugenia |
| Palavras-chave: | Redes neurais (Computação) Fonoaudiologia Transformadas integrais Neural networks (Computer science) Speech therapy Integral transforms |
| Data do documento: | 25-Abr-2019 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Cornelio Procopio |
| Citação: | LENS, Nicolas Basso. Classificador neural de vozes rugosas. 2019. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Controle e Automação) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2019. |
| Resumo: | A voz humana é um dos principais meios de comunicação, e também a principal ferramenta de trabalho de diversos profissionais. Tendo em vista as dificuldades que existem em diagnósticos de avaliação vocal, e a necessidade de cuidados com a voz, o presente estudo propõe um método alternativo e não-invasivo para auxiliar os profissionais da área de fonoaudiologia, utilizando redes neurais artificiais para a classificação de vozes humanas com características de rugosidade. A extração das características do sinal em análise tempo-frequência será realizada por intermédio da transformada wavelet packet, e a rede neural utilizada para a classificação do distúrbio será a Perceptron de múltiplas camadas. O classificador desenvolvido atingiu uma alta porcentagem de acertos, mostrando-se robusto através dos testes realizados, provando ser uma alternativa promissora para uma aplicação futura como método não-invasivo que auxilia os profissionais da voz. |
| Abstract: | The human voice is one of the main means of communication, it is also the main tool of work of several professionals. Considering the difficulties that exist in voice assessment diagnoses and the need for voice care, the present study proposes an alternative and non-invasive method to assist professionals in the speech therapy area using artificial neural networks to classify human voices with roughness characteristics. The extraction of the characteristics of the signal in time-frequency analysis will be performed through the wavelet packet transform, and the neural network used for the disturbance classification will be multiple layers Perceptron. The developed classifier achieved a high percentage of correct answers, proving to be a promising alternative for future applications as a non-invasive method that assists speech therapy professionals. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/27067 |
| Aparece nas coleções: | CP - Engenharia de Controle e Automação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| CP_COEAU_2019_1_12.pdf | 1,01 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.