Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
La popularidad de Internet ha traído el rápido desarrollo de la inteligencia artificial, la computación afectiva, el Internet de las cosas (IoT) y otras tecnologías. En particular, el desarrollo del IoT proporciona más referencias para la realización del hogar inteligente. Sin embargo, cuando las personas han alcanzado cierto nivel de satisfacción material, es más probable que quieran comunicarse emocionalmente. La música contiene mucha información emocional. Los datos musicales son una forma importante de comunicación entre las personas y una mejor manera de transmitir emociones. Por lo tanto, se ha convertido en una de las formas de interacción humano-computadora más convenientes y naturales esperadas por las personas. Los métodos tradicionales de reconocimiento de emociones musicales tienen algunos inconvenientes como baja tasa de reconocimiento y consumo de tiempo. Por lo tanto, proponemos un modelo de red generativa adversarial (GAN) basado en análisis inteligente de datos para el reconocimiento de emociones musicales bajo IoT. Impulsado por la estrategia de fusión de doble canal, el GAN puede extraer de manera efectiva las características locales y globales de la imagen o la voz. Mientras tanto, para aumentar la diferencia de características entre las voces emocionales, la matriz de datos de características del coeficiente cepstral de frecuencia de Meyer de las señales musicales se transforma para mejorar la capacidad de expresión del GAN. Los resultados experimentales muestran que el modelo propuesto puede reconocer eficazmente la emoción musical. En comparación con otros enfoques de vanguardia, la tasa de error de reconocimiento de datos musicales propuesta se reduce significativamente. En términos de precisión, supera el 87%, lo cual es mayor que el de otros métodos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Modelo BRDF de simulación de suelo de Marte y su comparación con el BRDF de arena terrestre.
Artículos:
Soluciones eficientes al problema de los millonarios bipartidistas y multipartidistas
Artículos:
Modelado eficiente en comunicación con regresión cuantílica penalizada para datos distribuidos
Artículos:
Cifrado simétrico de búsqueda eficiente compatible con la búsqueda dinámica por orden de múltiples palabras clave
Artículos:
Análisis de una Nueva Distribución de Procesos MPI para el Modelo de Investigación y Pronóstico del Tiempo (WRF)
Artículos:
Comportamiento del aguacate Hass liofilizado durante la operación de rehidratación
Artículos:
Caracterización estructural de la materia orgánica de tres suelos provenientes del municipio de Aquitania-Boyacá, Colombia
Informes y Reportes:
Técnicas de recuperación de suelos contaminados
Artículos:
Una revisión de la etiopatogenia y características clínicas e histopatológicas del melanoma mucoso oral.
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
