Non-negative matrix decomposition approaches to frequency domain analysis of music audio signals

On étudie l’application des algorithmes de décomposition matricielles tel que la Factorisation Matricielle Non-négative (FMN), aux représentations fréquentielles de signaux audio musicaux. Ces algorithmes, dirigés par une fonction d’erreur de reconstruction, apprennent un ensemble de fonctions de base et un ensemble de coef- ficients correspondants qui approximent le signal d’entrée. On compare l’utilisation de trois fonctions d’erreur de reconstruction quand la FMN est appliquée à des gammes monophoniques et harmonisées: moindre carré, divergence Kullback-Leibler, et une mesure de divergence dépendente de la phase, introduite récemment. Des nouvelles méthodes pour interpréter les décompositions résultantes sont présentées et sont comparées aux méthodes utilisées précédemment qui nécessitent des connaissances du domaine acoustique. Finalement, on analyse la capacité de généralisation des fonctions de bases apprises par rapport à trois paramètres musicaux: l’amplitude, la durée et le type d’instrument. Pour ce faire, on introduit deux algorithmes d’étiquetage des fonctions de bases qui performent mieux que l’approche précédente dans la majorité de nos tests, la tâche d’instrument avec audio monophonique étant la seule exception importante.

Modeling High-Dimensional Audio Sequences with Recurrent Neural Networks

Cette thèse étudie des modèles de séquences de haute dimension basés sur des réseaux de neurones récurrents (RNN) et leur application à la musique et à la parole. Bien qu'en principe les RNN puissent représenter les dépendances à long terme et la dynamique temporelle complexe propres aux séquences d'intérêt comme la vidéo, l'audio et la langue naturelle, ceux-ci n'ont pas été utilisés à leur plein potentiel depuis leur introduction par Rumelhart et al. (1986a) en raison de la difficulté de les entraîner efficacement par descente de gradient. Récemment, l'application fructueuse de l'optimisation Hessian-free et d'autres techniques d'entraînement avancées ont entraîné la recrudescence de leur utilisation dans plusieurs systèmes de l'état de l'art. Le travail de cette thèse prend part à ce développement. L'idée centrale consiste à exploiter la flexibilité des RNN pour apprendre une description probabiliste de séquences de symboles, c'est-à-dire une information de haut niveau associée aux signaux observés, qui en retour pourra servir d'à priori pour améliorer la précision de la recherche d'information. Par exemple, en modélisant l'évolution de groupes de notes dans la musique polyphonique, d'accords dans une progression harmonique, de phonèmes dans un énoncé oral ou encore de sources individuelles dans un mélange audio, nous pouvons améliorer significativement les méthodes de transcription polyphonique, de reconnaissance d'accords, de reconnaissance de la parole et de séparation de sources audio respectivement. L'application pratique de nos modèles à ces tâches est détaillée dans les quatre derniers articles présentés dans cette thèse. Dans le premier article, nous remplaçons la couche de sortie d'un RNN par des machines de Boltzmann restreintes conditionnelles pour décrire des distributions de sortie multimodales beaucoup plus riches. Dans le deuxième article, nous évaluons et proposons des méthodes avancées pour entraîner les RNN. Dans les quatre derniers articles, nous examinons différentes façons de combiner nos modèles symboliques à des réseaux profonds et à la factorisation matricielle non-négative, notamment par des produits d'experts, des architectures entrée/sortie et des cadres génératifs généralisant les modèles de Markov cachés. Nous proposons et analysons également des méthodes d'inférence efficaces pour ces modèles, telles la recherche vorace chronologique, la recherche en faisceau à haute dimension, la recherche en faisceau élagué et la descente de gradient. Finalement, nous abordons les questions de l'étiquette biaisée, du maître imposant, du lissage temporel, de la régularisation et du pré-entraînement.

Permutation entropy based real-time chatter detection using audio signal in turning process

Machine tool chatter is an unfavorable phenomenon during metal cutting, which results in heavy vibration of cutting tool. With increase in depth of cut, the cutting regime changes from chatter-free cutting to one with chatter. In this paper, we propose the use of permutation entropy (PE), a conceptually simple and computationally fast measurement to detect the onset of chatter from the time series using sound signal recorded with a unidirectional microphone. PE can efficiently distinguish the regular and complex nature of any signal and extract information about the dynamics of the process by indicating sudden change in its value. Under situations where the data sets are huge and there is no time for preprocessing and fine-tuning, PE can effectively detect dynamical changes of the system. This makes PE an ideal choice for online detection of chatter, which is not possible with other conventional nonlinear methods. In the present study, the variation of PE under two cutting conditions is analyzed. Abrupt variation in the value of PE with increase in depth of cut indicates the onset of chatter vibrations. The results are verified using frequency spectra of the signals and the nonlinear measure, normalized coarse-grained information rate (NCIR).

A Prototype for a Multimodal Biometric Security system based on Face and Audio Signatures

Any automatically measurable, robust and distinctive physical characteristic or personal trait that can be used to identify an individual or verify the claimed identity of an individual, referred to as biometrics, has gained significant interest in the wake of heightened concerns about security and rapid advancements in networking, communication and mobility. Multimodal biometrics is expected to be ultra-secure and reliable, due to the presence of multiple and independent—verification clues. In this study, a multimodal biometric system utilising audio and facial signatures has been implemented and error analysis has been carried out. A total of one thousand face images and 250 sound tracks of 50 users are used for training the proposed system. To account for the attempts of the unregistered signatures data of 25 new users are tested. The short term spectral features were extracted from the sound data and Vector Quantization was done using K-means algorithm. Face images are identified based on Eigen face approach using Principal Component Analysis. The success rate of multimodal system using speech and face is higher when compared to individual unimodal recognition systems

Adaptaci??n del ??rea de ingl??s al alumnado deficiente auditivo

Se presenta memoria final de proyecto educativo que propone la ense??anza del ingl??s a alumnado con discapacidad auditiva a trav??s de las nuevas tecnolog??as de la informaci??n y la comunicaci??n. Se realiza en el CEIP Buenos Aires en La L??nea de la Concepci??n, C??diz. Los objetivos son: comprender y actuar sobre la diversidad de situaciones de aprendizaje que se producen en el aula, y la adopci??n de medidas que den respuestas ajustadas a esta diversidad; la utilizaci??n de las tecnolog??as de la comunicaci??n y la informaci??n como recurso educativo en el aprendizaje del ingl??s en el alumnado deficiente auditivo; facilitar la integraci??n de aquellos colectivos socialmente m??s desfavorecidos; procurar que la juventud andaluza, con independencia de su situaci??n individual, f??sica, social de clase, de etnia, cultura, etc, puedan desarrollar al m??ximo sus capacidades en el marco escolar; mejorar las condiciones de escolarizaci??n y establecer las ense??anzas, los apoyos y las adaptaciones al curr??culo que contribuyan a optimizar la calidad de la atenci??n educativa que reciben los alumnos y alumnas con necesidades educativas especiales por raz??n de su discapacidad.

El ordenador en educaci??n infantil y como ayuda al deficiente auditivo

El uso del ordenador dentro del aula como motivaci??n y soporte a la consecuci??n de objetivos educativos, as?? como instrumento favorecedor de la integraci??n del alumnado deficiente auditivo.

La palabra complementada : manual de aprendizaje de la PC.

El aprendizaje y la aplicación de la palabra complementada requiere de un manual como el que se presenta en el que se hace una exposición práctica dirigida a familias, asociaciones o profesores. Este material está formado por un vídeo donde se ve con precisión la forma de complementar; un audio que sirvve para verificar el aprendizaje realizado y un manual donde se explica los aspectos teóricos de la Palabra Complementada. En el manual se incluye la historia de la Palabra Complementada y una definición de la misma como sistema de apoyo a la lectura labio facial que elimina las confusiones orofaciales y hace totalmente inteligible el discurso hablado.

Departament de Psicologia [Ressenya del llibre Adolescents and audio-visual media in five countries, de Ferran Casas, Irene Rizzini, Rose September, Per Egil Mjaavatn i Usha Nayar (coord.)]

Aquest llibre és el producte d'anys de cooperació entre equips de recerca de cinc països diferents, tot ells Key Institutions de la xarxa Childwatch International, en el marc d'un projecte plurinacional sobre adolescents i mitjans

Aspectos psicológicos del deporte en el deficiente mental.

Comprobar que las marcas obtenidas en las pruebas deportivas por los sujetos deficientes mentales ligeros no difieren de las obtenidas por sujetos de CI normal. Verificar que la personalidad de los sujetos con mejores marcas no difiere significativamente de la que presentan los sujetos con peores marcas, independiente de su CI. 72 sujetos de EGB. Se recogieron los datos deportivos de cada sujeto concernientes a sus marcas en las pruebas de: carrera de 60 metros lisos, lanzamiento de balón medicinal, sentadas, flexión de tronco hacia adelante y salto vertical. También se registraron datos de personalidad de cada sujeto obtenidos mediante el cuestionario de personalidad CPQ. Para analizar los datos se realizó un análisis de varianzas, para comprobar la normalidad de las distribuciones, continuando con un análisis de la varianza y una comparación de medias. Por último, se correlacionaron los datos entre las distintas marcas deportivas y entre éstas y los datos de personalidad mediante la prueba de correlación de Spearmen. Cuestionario de personalidad CPQ. Técnicas estadísticas. Los sujetos con más inteligencia registraron mejores marcas deportivas. Los sujetos de CI normal demostraron tener mejores aptitudes físicas que los deficientes mentales ligeros. Estas diferencias aumentan con la edad, siendo más similares las puntuaciones entre deficientes y normales en los sujetos pequeños. Las féminas no se diferencian de los varones en cuanto a personalidad.

La influencia de la enseñanza cooperativa en la integración escolar del deficiente auditivo.

Estudio de la enseñanza cooperativa escudriñando las investigaciones realizadas por distintos autores, haciendo referencia al concepto integración así como al estudio de los deficientes auditivos, realizando un recorrido desde la etiología y naturaleza de la sordera, causas de la misma y tipos, así como un análisis de todos aquellos aspectos relacionados con la psicología del sordo. 22 alumnos sordos y normoyentes del Centro de Formación Profesional de segundo grado, Ave María de Granada, estudiantes de segundo y tercero FP 2 cuyas edades estaban comprendidas entre los 17 y 22 años. Exploraciones psicopedagógicas de cada alumno realizadas a través de test y cuestionarios y también mediante observación directa del profesor a lo largo del curso. Escala de Wals, escala de Alexander, escala de observación individual, cuestionario sociométrico, inventario de adaptación de conducta, escala de clima social escolar. T de Student, medidas de tendencia central, análisis cualitativo del sociograma, medidas de posición relativa: percentiles. En cuanto a la variale adaptación social y adaptación escolar no aparecen diferencias significatvas en las puntuacines antes-después, que se puedan achacar al tratamientro. Los normoyentes y los sordos forman dos subgrupos compactos con preferencias y rechazos cada uno de ellos sólo hacia miembros de sus respectivos subgrupos. Gran distanciamiento entre sordos y normoyentes que se va minimizando con el paso del tiempo. Lo más significativo de la experiencia es el clima creado en el aula y su repercusión en el dominio cognitivo y afectivo de los alumnos sordos. Progresivamente aumenta el interés por las actividades de clase y desciende la tensión inicial. El aumento de interacción en el aula ha sido debido al clima social provocado en ella que ha favorecido la cooperación entre los alumnos. La interacción conseguida ha sido positiva generalmente. Tanto los alumnos sordos como los normoyentes se han sentido más queridos en esta situación cooperativa que en situaciones individualistas o competitivas anteriores. El prejuicio de los alumnos a relacionarse entre ellos ha desaparecido en una cuantía muy considerable. La organización de aprendizaje cooperativa en el aula ha llevado a un mayor rendimiento académico. Un contexto cooperativo en el aula, es la mejor forma, y tal vez la única de que la integración escolar de los disminuidos sea realmente eficaz y satisfactoria.

Relaci??n entre factores psicosociales adversos, evaluados a trav??s del cuestionario multidimensional Decore, y salud laboral deficiente

Resumen tomado de la publicaci??n. Resumen tambi??n en ingl??s

Música i noves tecnologies : edició d'àudio amb AUDACITY. 'Música y nuevas tecnologías : edición de audio con AUDACITY'.

Resumen tomado de la publicación