Entrenamiento Discriminativo Maximizando una Distancia entre Modelos de Clases
En este trabajo se presenta una técnica de entrenamiento discriminativo para modelos ocultos de Markov, orientado a la detección de patologías en señales de voz. La técnica busca maximizar el área que encierra la curva ROC (Receiver Operating Characteristic curve) ajustando los parámetros de modelo,...
- Autores:
-
Sarria-Paja, Milton O.
Castellanos-Domínguez, Cesar G.
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2010
- Institución:
- Instituto Tecnológico Metropolitano
- Repositorio:
- Repositorio ITM
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.itm.edu.co:20.500.12622/713
- Acceso en línea:
- https://revistas.itm.edu.co/index.php/tecnologicas/article/view/315
http://hdl.handle.net/20.500.12622/713
- Palabra clave:
- Modelos Ocultos de Markov
Detección de patologías
Entrenamiento discriminativo
Curvas de desempeño.
Hidden Markov Models
Detection of pathology
Discriminative training
Performance curves.
- Rights
- License
- Copyright (c) 2017 Tecno Lógicas
| Summary: | En este trabajo se presenta una técnica de entrenamiento discriminativo para modelos ocultos de Markov, orientado a la detección de patologías en señales de voz. La técnica busca maximizar el área que encierra la curva ROC (Receiver Operating Characteristic curve) ajustando los parámetros de modelo, empleando como función objetivo la distancia entre las medias de las funciones de densidad de probabilidad subyacentes asociadas a cada clase. Como resultado se obtiene una mejora en el desempeño del sistema de clasificación comparada con diferentes criterios de entrenamiento. |
|---|