MétaCan
Menu
Retour à la cohorte
Enregistrement W2035103181 · doi:10.1109/iembs.2010.5627723

Exploiting the ambiguity domain for non-stationary biomedical signal classification

2010· article· en· W2035103181 sur OpenAlexaff
Lakshmi Sugavaneswaran, Karthikeyan Umapathy, Sridhar Krishnan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAmbiguityComputer scienceDomain (mathematical analysis)Representation (politics)Frequency domainPattern recognition (psychology)SIGNAL (programming language)Artificial intelligenceSpace (punctuation)Time–frequency analysisSpeech recognitionAlgorithmData miningMathematicsComputer vision

Résumé

récupéré en direct d'OpenAlex

Research in time-frequency distributions (TFDs) is limited in terms of their use of the available spatial domains and in their target applications. Most of the work up till now has been concentrated mainly on the t-ƒ domain space. This work presents a detailed study about the ambiguity domain (AD), their resemblance in the t-ƒ space and the significance of using such a representation. Further, a novel approach for the analysis and classification between normal and pathological speech signals is also provided. The quantitative measures obtained show comparable performance scores with the existing schemes. Evidently, gait from 51-normal and 161-abnormal subjects were studied and classified in this analysis. Results obtained from the quantitative analysis illustrate comparable performance characteristics with some of the recent schemes and a maximum classification accuracy of 97.5% is obtained.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,251

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,282
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSpeech and Audio ProcessingTravaux en français237 207