Mise en oeuvre d'un algorithme de traitement de la parole basé sur la quantification vectorielle pour une prothèse cochléaire
Notice bibliographique
Résumé
Ce travail porte sur la mise en oeuvre d'un algorithme de codage de parole dédié aux prothèses cochléaires. La technique proposée repose sur la quantification vectorielle statistique. L'introduction qui suit survole l'état de l'art des prothèses cochléaires. Dans le deuxième chapitre, on décrit d'abord, d'une façon sommaire, le système auditif et son fonctionnement. Ensuite, on fait un survol des algorithmes de stimulation et des systèmes de prothèses cochléaires qu'on retrouve actuellement. Le troisième chapitre traite de la méthode d'analyse et de codage de la parole basée sur la quantification vectorielle. Dans une première partie, on présente les caractéristiques de la parole et les modèles de son analyse. Dans la deuxième partie, on décrit la théorie de la quantification vectorielle et les différentes étapes qui définiront la technique proposée. Le quatrième chapitre décrit les étapes de la mise en oeuvre de l'algorithme de traitement de parole. Dans un premier volet, on décrit sommairement l'analyseur de parole de Sherbrooke [15] qui servira de plate-forme technologique pour la mise en oeuvre de l'algorithme. Par la suite, on présente les étapes d'implémentation logicielle de l'algorithme et la validation de son fonctionnement. Dans le chapitre 5 quelques stratégies de stimulation qui peuvent être utilisées sont proposées. Celles-ci pourraient servir avec la technique de codage basée sur la quantification vectorielle pour compléter les algorithmes de stimulation et mettre à profit l'originalité de ce travail.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».