Resumen

El llanto es una comunicación verbal fuerte y aguda de los lactantes. La frecuencia fundamental muy alta y la frecuencia de resonancia caracterizan el llanto de un bebé neonato con ciertas variaciones repentinas. Además, en una emisión solitaria de duración mínima, la señal del llanto posee características vocales y no vocales. En la mayoría de los casos, los bebés se comunican con sus cuidadores a través del llanto y, en ocasiones, a los cuidadores les resulta difícil comprender el motivo del llanto del recién nacido. En consecuencia, esta investigación propone un trabajo novedoso para clasificar los llantos de los recién nacidos en tres grupos: hambre, sueño e incomodidad. Para cada cuadro de llanto, se extraen doce características a través de la ingeniería de características acústicas, y la selección de variables mediante bosques aleatorios se utilizó para seleccionar las características altamente discriminativas entre las doce características de dominio de tiempo y frecuencia. A continuación, se utiliza la red de vectores de soporte agrupados con refuerzo de gradiente extremo para clasificar el llanto de los recién nacidos. Los resultados empíricos muestran que el método propuesto puede clasificar eficazmente los llantos de los recién nacidos en tres grupos diferentes. Los mejores resultados experimentales mostraron una precisión media de alrededor del 91% en la mayoría de los escenarios, lo que demuestra el potencial de la red de vectores soporte agrupados con refuerzo de gradiente extremo propuesta para la clasificación de llantos de neonatos. Además, el método propuesto tiene una rápida tasa de reconocimiento de 27 segundos en la identificación de estos llantos emocionales.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:clasificación de llanto de neonato, gradiente extremo, red vectorial, ingeniería de características acústicas, ciertas variaciones súbitas, rápida tasa de reconocimiento, resultados experimentales más finos, características del dominio de la frecuencia, alta frecuencia fundamental, llanto de neonato
• Keywords:neonate cry classification, extreme gradient, vector network, acoustic feature engineering, certain sudden variations, fast recognition rate, finest experimental results, frequency domain features, high fundamental frequency, neonatal infant cry