12 resultados para Signal processing
em Université de Montréal, Canada
Resumo:
Ce memoire est compose de trois articles qui sunissent sous le theme de la recommandation musicale a grande echelle. Nous presentons dabord une methode pour effectuer des recommandations musicales en recoltant des etiquettes (tags) decrivant les items et en utilisant cette aura textuelle pour determiner leur similarite. En plus deffectuer des recommandations qui sont transparentes et personnalisables, notre methode, basee sur le contenu, nest pas victime des problemes dont souffrent les systemes de filtrage collaboratif, comme le probleme du demarrage a froid (cold start problem). Nous presentons ensuite un algorithme dapprentissage automatique qui applique des etiquettes a des chansons a partir dattributs extraits de leur fichier audio. Lensemble de donnees que nous utilisons est construit a partir dune tres grande quantite de donnees sociales provenant du site Last.fm. Nous presentons finalement un algorithme de generation automatique de liste decoute personnalisable qui apprend un espace de similarite musical a partir dattributs audio extraits de chansons jouees dans des listes decoute de stations de radio commerciale. En plus dutiliser cet espace de similarite, notre systeme prend aussi en compte un nuage detiquettes que lutilisateur est en mesure de manipuler, ce qui lui permet de decrire de maniere abstraite la sorte de musique quil desire ecouter.
Resumo:
Le regroupement des neurones de proprits similaires est lorigine de modules permettant doptimiser lanalyse de linformation. La consquence est la prsence de cartes fonctionnelles dans le cortex visuel primaire de certains mammifres pour de nombreux paramtres tels que lorientation, la direction du mouvement ou la position des stimuli (visuotopie). Le premier volet de cette thse est consacr caractriser lorganisation modulaire dans le cortex visuel primaire pour un paramtre fondamental, la suppression centre / pourtour et au del du cortex visuel primaire (dans laire 21a), pour lorientation et la direction. Toutes les tudes ont t effectues laide de limagerie optique des signaux intrinsques sur le cortex visuel du chat anesthsi. La quantification de la modulation par la taille des stimuli permis de rvler la prsence de modules de forte et de faible suppression par le pourtour dans le cortex visuel primaire (aires 17 et 18). Ce type dorganisation navait t observ jusquici que dans une aire de plus haut niveau hirarchique chez le primate. Une organisation modulaire pour lorientation, similaire celle observe dans le cortex visuel primaire a t rvle dans laire 21a. Par contre, contrairement laire 18, laire 21a ne semblait pas tre organise en domaine de direction. Lensemble de ces rsultats pourront permettre dalimenter les connaissances sur lorganisation anatomo-fonctionnelle du cortex visuel du chat mais galement de mieux comprendre les facteurs qui dterminent la prsence dune organisation modulaire. Le deuxime volet abord dans cette thse sest intress lamlioration de laspect quantitatif apport par lanalyse temporelle en imagerie optique des signaux intrinsques. Cette nouvelle approche, base sur lanalyse de Fourier a permis daugmenter considrablement le rapport signal / bruit des enregistrements. Toutefois, cette analyse ne sest base jusquici que sur la quantification dune seule harmonique ce qui a limit son emploi la cartographie de lorientation et de rtinotopie uniquement. En exploitant les plus hautes harmoniques, un modle a t propos afin destimer la taille des champs rcepteurs et la slectivit la direction. Ce modle a par la suite t valid par des approches conventionnelles dans le cortex visuel primaire.
Resumo:
La version intgrale de ce mmoire est disponible uniquement pour consultation individuelle la Bibliothque de musique de l'Universit de Montral (www.bib.umontreal.ca/MU).
Resumo:
Les fichiers sons qui accompagne mon document sont au format midi. Le programme que nous avons dvelopps pour ce travail est en language Python.
Resumo:
Mmoire numris par la Division de la gestion de documents et des archives de l'Universit de Montral
Resumo:
L'apprentissage machine (AM) est un outil important dans le domaine de la recherche d'information musicale (Music Information Retrieval ou MIR). De nombreuses tches de MIR peuvent tre rsolues en entranant un classifieur sur un ensemble de caractristiques. Pour les tches de MIR se basant sur l'audio musical, il est possible d'extraire de l'audio les caractristiques pertinentes l'aide de mthodes traitement de signal. Toutefois, certains aspects musicaux sont difficiles extraire l'aide de simples heuristiques. Afin d'obtenir des caractristiques plus riches, il est possible d'utiliser l'AM pour apprendre une reprsentation musicale partir de l'audio. Ces caractristiques apprises permettent souvent d'amliorer la performance sur une tche de MIR donne. Afin d'apprendre des reprsentations musicales intressantes, il est important de considrer les aspects particuliers l'audio musical dans la conception des modles d'apprentissage. Vu la structure temporelle et spectrale de l'audio musical, les reprsentations profondes et multichelles sont particulirement bien conues pour reprsenter la musique. Cette thse porte sur l'apprentissage de reprsentations de l'audio musical. Des modles profonds et multichelles amliorant l'tat de l'art pour des tches telles que la reconnaissance d'instrument, la reconnaissance de genre et l'tiquetage automatique y sont prsents.
Resumo:
Cette thse vise dfinir une nouvelle mthode denseignement pour les systmes tutoriels intelligents dans le but damliorer lacquisition des connaissances. Lapprentissage est un phnomne complexe faisant intervenir des mcanismes motionnels et cognitifs de nature consciente et inconsciente. Nous nous intressons mieux comprendre les mcanismes inconscients du raisonnement lors de lacquisition des connaissances. Limportance de ces processus inconscients pour le raisonnement est bien documente en neurosciences, mais demeure encore largement inexplore dans notre domaine de recherche. Dans cette thse, nous proposons la mise en place dune nouvelle approche pdagogique dans le domaine de lducation implmentant une taxonomie neuroscientifique de la perception humaine. Nous montrons que cette nouvelle approche agit sur le raisonnement et, tour de rle, amliore lapprentissage gnral et linduction de la connaissance dans un environnement de rsolution de problme. Dans une premire partie, nous prsentons limplmentation de notre nouvelle mthode dans un systme tutoriel visant amliorer le raisonnement pour un meilleur apprentissage. De plus, compte tenu de limportance des mcanismes motionnels dans lapprentissage, nous avons galement procd dans cette partie la mesure des motions par des capteurs physiologiques. Lefficacit de notre mthode pour lapprentissage et son impact positif observ sur les motions a t valide sur trente et un participants. Dans une seconde partie, nous allons plus loin dans notre recherche en adaptant notre mthode visant amliorer le raisonnement pour une meilleure induction de la connaissance. Linduction est un type de raisonnement qui permet de construire des rgles gnrales partir dexemples spcifiques ou de faits particuliers. Afin de mieux comprendre limpact de notre mthode sur les processus cognitifs impliqus dans ce type de raisonnement, nous avons eu recours des capteurs crbraux pour mesurer lactivit du cerveau des utilisateurs. La validation de notre approche ralise sur quarante-trois volontaires montre lefficacit de notre mthode pour linduction de la connaissance et la viabilit de mesurer le raisonnement par des mesures crbrales suite lapplication approprie dalgorithmes de traitement de signal. Suite ces deux parties, nous clorons la thse par une discussion applicative en dcrivant la mise en place dun nouveau systme tutoriel intelligent intgrant les rsultats de nos travaux.
Resumo:
La version intgrale de cette thse est disponible uniquement pour consultation individuelle la Bibliothque de musique de lUniversit de Montral (www.bib.umontreal.ca/MU).
Resumo:
En synthse dimages, reproduire les effets complexes de la lumire sur des matriaux transluminescents, tels que la cire, le marbre ou la peau, contribue grandement au ralisme dune image. Malheureusement, ce ralisme supplmentaire est couteux en temps de calcul. Les modles bass sur la thorie de la diffusion visent rduire ce cot en simulant le comportement physique du transport de la lumire sous surfacique tout en imposant des contraintes de variation sur la lumire incidente et sortante. Une composante importante de ces modles est leur application valuer hirarchiquement lintgrale numrique de lillumination sur la surface dun objet. Cette thse rvise en premier lieu la littrature actuelle sur la simulation raliste de la transluminescence, avant dinvestiguer plus en profondeur leur application et les extensions des modles de diffusion en synthse dimages. Ainsi, nous proposons et valuons une nouvelle technique dintgration numrique hirarchique utilisant une nouvelle analyse frquentielle de la lumire sortante et incidente pour adapter efficacement le taux dchantillonnage pendant lintgration. Nous appliquons cette thorie plusieurs modles qui correspondent ltat de lart en diffusion, octroyant une amlioration possible leur efficacit et prcision.
Resumo:
This paper describes a method for analyzing scoliosis trunk deformities using Independent Component Analysis (ICA). Our hypothesis is that ICA can capture the scoliosis deformities visible on the trunk. Unlike Principal Component Analysis (PCA), ICA gives local shape variation and assumes that the data distribution is not normal. 3D torso images of 56 subjects including 28 patients with adolescent idiopathic scoliosis and 28 healthy subjects are analyzed using ICA. First, we remark that the independent components capture the local scoliosis deformities as the shoulder variation, the scapula asymmetry and the waist deformation. Second, we note that the different scoliosis curve types are characterized by different combinations of specific independent components.
Resumo:
The main objective of this letter is to formulate a new approach of learning a Mahalanobis distance metric for nearest neighbor regression from a training sample set. We propose a modified version of the large margin nearest neighbor metric learning method to deal with regression problems. As an application, the prediction of post-operative trunk 3-D shapes in scoliosis surgery using nearest neighbor regression is described. Accuracy of the proposed method is quantitatively evaluated through experiments on real medical data.
Resumo:
This paper provides an overview of work done in recent years by our research group to fuse multimodal images of the trunk of patients with Adolescent Idiopathic Scoliosis (AIS) treated at Sainte-Justine University Hospital Center (CHU). We first describe our surface acquisition system and introduce a set of clinical measurements (indices) based on the trunk's external shape, to quantify its degree of asymmetry. We then describe our 3D reconstruction system of the spine and rib cage from biplanar radiographs and present our methodology for multimodal fusion of MRI, X-ray and external surface images of the trunk We finally present a physical model of the human trunk including bone and soft tissue for the simulation of the surgical outcome on the external trunk shape in AIS.
