A new non-linear regression model for formant trajectories in English monosyllables incorporating dual targets for vowels.
Notice bibliographique
Résumé
A new non-linear regression model is proposed to characterize the formant trajectories of the vocalic portion of English CVC syllables in the data described by Hillenbrand et al. [J. Acoust. Soc. Am. 109, 748–763 (2001)]. The modeling framework builds on work of Broad and Clermont [J. Acoust. Soc. Ame. 81, 155–165 (1987)], wherein formant trajectories were modeled via three additive components: (1) a single vowel target, (2) an exponential approach (in time from onset) toward the vowel target from an initial consonant onset value, and (3) an exponential approach (in time from offset) toward the vowel target from a final consonant offset value. The new model extends this to allow for a dual specification (nucleus + offglide) of the vowel targets [T. Nearey and P. Assmann, J. Acoust. Soc. Am. 80, 1297–1308 (1986)]. Initial results suggests that inclusion of a second vowel target provides substantial reduction (about 40%, 23% and 7% respectively for F1, F2, and F3) of error variance on trajectories averaged across 12 speakers. More detailed statistical analyses of variants of the new model are underway and will be reported for both the data described above and that reported on by Assmann et al. [this meeting].
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».