Universidad politécnica de madrid escuela técnica superior de ingenieros



Descargar 3.96 Mb.
Página3/44
Fecha de conversión18.08.2020
Tamaño3.96 Mb.
1   2   3   4   5   6   7   8   9   ...   44
Índice de tablas


Tabla 1: Principales metacaracteres de Perl 31

Tabla 2: Variables predefinidas en AWK [Collado 2006] 32

Tabla 4: Slots predichos 61

Tabla 3: Slots de referencia 61

Tabla 5: Parámetros de la llamada a HERest 93

Tabla 6: Tabla con las nuevas opciones de HERest 95

Tabla 7: Media y varianza del reconocimiento genérico según locutor para todas las emociones 100

Tabla 8: Tasa de error para el hombre en el experimento 1 en función de τ 101

Tabla 9: Tasa de error del hombre en el experimento 2 en función de τ 102

Tabla 10: Tasa de error de la mujer en función de τ en el experimento 1 103

Tabla 11: Tasa de error de la mujer en función de τ en el experimento 2 104

Tabla 12: Mejora en el reconocimiento para τ bajas 105

Tabla 13: Resultados de la mejora del reconocimiento para la mujer con τ=3 106

Tabla 14: Resultados de la mejora del reconocimiento para el hombre con τ=2 107

Tabla 15: Tasas de error para voz neutra en función de los datos de adaptación y test 108

Tabla 16: Deterioro de la tasa de error en el hombre al reducir las frases de entrenamiento 108

Tabla 17: Deterioro de la tasa de error en la mujer al reducir las frases de entrenamiento 108

Tabla 18: Tasa de error en el reconocimiento cruzado con el hombre en el experimento 1 109

Tabla 19: Tasa de error en el reconocimiento cruzado con el hombre en el experimento 2 110

Tabla 20: Tasa de error en el reconocimiento cruzado con la mujer en el experimento 1 111

Tabla 21: Tasa de error en el reconocimiento cruzado con la mujer en el experimento 2 112

Tabla 22: Tasa de error en el reconocimiento cruzado con el hombre sin la emocion de entrenamiento 113

Tabla 23: Resultado de los promedios de agrupar emociones por proximidad 113

Tabla 24: Agrupación de las emociones según proximidad en base a la tasa de error 114

Tabla 25: Tasa de correctas en el reconocimiento cruzado con la mujer 114

Tabla 26: Resultado de los promedios de agrupar las emociones por proximidad 115

Tabla 27: Agrupación de las emociones según proximidad en base a la tasa de error 115

Tabla 28: Sueldos de las personas que han intervenido en el proyecto 133

Tabla 29: Obligaciones sociales 134

Tabla 30: Salarios efectivos totales 134

Tabla 31: Coste de la mano de obra 134

Tabla 32: Coste de materiales 135

Tabla 33: Presupuesto de ejecución material 135

Tabla 34: Importe de ejecución por contrata 136

Tabla 35: Honorarios facultativos 136

Tabla 36: Honorarios totales 136

Tabla 37: Importe total del proyecto 137


1.- INTRODUCCIÓN


Los robots interactivos son máquinas que deben ser programadas para navegar, razonar, aprender y sobrevivir en entornos casi humanos. Este tipo de robots son capaces de llevar a cabo tareas sociales útiles como robots instructores (en museos y colegios), robots de entretenimiento (en parques de atracciones), o robots de compañía (en hogares o en hospitales). [Marín 2006]
ROBINT es un proyecto cuyo objetivo es la integración de comportamientos inteligentes en robots guía. El objetivo de este proyecto es el desarrollo de un sistema inteligente de asistencia para el acceso personalizado a lugares públicos, y una interacción fluida con la información y con ciudadanos allí presentes. Busca fomentar la integración en la sociedad de técnicas relacionadas con la automática e inteligencia artificial, mediante el uso de las nuevas tecnologías de la información.
Dentro de las Tecnologías del habla aplicadas al diálogo, entre otros, se plantea un subobjetivo de asistencia en la adaptación un nuevo usuario o a una nueva exposición o entorno.
Cuando se plantea la construcción de un sistema de reconocimiento de habla, la opción más directa es el entrenamiento de un sistema específico para la tarea que se va realizar. Si queremos que el entrenamiento sea robusto, necesitaremos disponer de un elevado número de datos de entrenamiento.
Puesto que el robot se moverá en lugares públicos, pese a que la tarea a desarrollar sea la misma, las condiciones acústicas del entorno o el hablante que se dirigirá al robot varían de un entorno a otro. Por este motivo, no dispondremos de un número de datos suficiente como para realizar un buen entrenamiento pero necesitamos construir un sistema de reconocimiento fiable, haciéndose necesaria la aplicación de técnicas de adaptación del robot al entorno.
El objetivo de las técnicas de adaptación es desarrollar un sistema de reconocimiento con prestaciones similares a las de un robusto sistema entrenado, pero empleando una cantidad muy reducida de datos. Se basan en modificar un sistema de reconocimiento previo entrenado para otra tarea, para ajustarlo a las características de la nueva tarea. El ajuste se realizará mediante la modificación de los parámetros acústicos de los modelos en base al hablante, al ruido y al entorno acústico del lugar en el que el robot tenga que llevar a cabo sus actividades.

1.1.- Sistemas de reconocimiento de voz


El reconocimiento automático del habla mediante máquinas ha sido un objetivo que la investigación ha perseguido a lo largo de las cuatro últimas décadas. Sin embargo, a pesar de lo atractivo que resultaría diseñar una máquina capaz de reconocer la palabra hablada y comprender su significado, y a pesar de los enormes esfuerzos realizados en investigación tratando de crear dicha máquina, nos encontramos lejos del objetivo de conseguir una máquina capaz de entender el discurso hablado sobre cualquier tema, realizado por todos los locutores en todos los entornos posibles. [Rabiner 1993]
1.1.1.- Los reconocedores
[Lucas 2006] El módulo reconocedor de voz tiene como objetivo convertir una secuencia de palabras emitidas por un usuario en una secuencia textual que sea lo más fiel posible a aquella. Para lograr esto deberá analizar la secuencia acústica en busca de las unidades de información que se desean obtener. El conjunto de unidades de información sobre el cual el reconocedor compara las tramas acústicas se denomina vocabulario del mismo.
Los reconocedores de voz se pueden clasificar según diferentes criterios. Los principales tipos de reconocedor se pueden resumir en los siguientes:


  • Según el objetivo último del reconocimiento existen:



1   2   3   4   5   6   7   8   9   ...   44


La base de datos está protegida por derechos de autor ©odont.info 2019
enviar mensaje

    Página principal