Erfassung von Schläfrigkeit in Funkverkehr-gestützter Kommunikation: sprachsignal-basierte Mustererkennungsanalyse phonetisch-linguistischer Merkmale
- Standort
-
Deutsche Nationalbibliothek Frankfurt am Main
- Umfang
-
Online-Ressource
- Sprache
-
Deutsch
- Schlagwort
-
Hypersomnie
Versuchsperson
Mustererkennung
Merkmal
- Ereignis
-
Veröffentlichung
- (wo)
-
Augsburg
- (wer)
-
Universität Augsburg
- (wann)
-
2017
- Urheber
-
Schnieder, Sebastian
Nöth, Elmar
Batliner, Anton
Roelen, Sonja-Dana
Brunstein, Anke
Krajewski, Jarek
- URN
-
urn:nbn:de:bvb:384-opus4-711928
- Rechteinformation
-
Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
25.03.2025, 13:57 MEZ
Datenpartner
Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Beteiligte
- Schnieder, Sebastian
- Nöth, Elmar
- Batliner, Anton
- Roelen, Sonja-Dana
- Brunstein, Anke
- Krajewski, Jarek
- Universität Augsburg
Entstanden
- 2017
Ähnliche Objekte (12)
Efficient and Trainable Detection and Classification of Radio Signals
Detection of Sleep related Breathing Disorders and Sleep Stages from the Evaluation of ECG Signals : = Erkennung von schlafbezogenen Atmungsstörungen und Schlafstadien anhand der Auswertung von EKG-Signalen
Prosody and automatic speech recognition: why not yet a Success Story and where to go from here
Deep Learning Applied to Animal Linguistics
Using Contextual Information to Process Out-of-Vocabulary Words in Spoken Dialog Systems
How many labellers revisited: naïves, experts, and real experts
Machine Learning for Stuttering Detection and Classification in Stuttering Therapy
Die prosodische Markierung des Satzmodus in der Spontansprache - Methodologie und erste Ergebnisse
Does it groove or does it stumble: automatic classification of alcoholic intoxication using prosodic features
Real-time recognition of the affective user state with physiological signals
The prediction of focus
How many speakers, how many texts - the automatic assessment of non-native prosody
Efficient and Trainable Detection and Classification of Radio Signals
Detection of Sleep related Breathing Disorders and Sleep Stages from the Evaluation of ECG Signals : = Erkennung von schlafbezogenen Atmungsstörungen und Schlafstadien anhand der Auswertung von EKG-Signalen
Prosody and automatic speech recognition: why not yet a Success Story and where to go from here
Deep Learning Applied to Animal Linguistics
Using Contextual Information to Process Out-of-Vocabulary Words in Spoken Dialog Systems
How many labellers revisited: naïves, experts, and real experts
Machine Learning for Stuttering Detection and Classification in Stuttering Therapy
Die prosodische Markierung des Satzmodus in der Spontansprache - Methodologie und erste Ergebnisse
Does it groove or does it stumble: automatic classification of alcoholic intoxication using prosodic features
Real-time recognition of the affective user state with physiological signals
The prediction of focus
How many speakers, how many texts - the automatic assessment of non-native prosody
Efficient and Trainable Detection and Classification of Radio Signals
Detection of Sleep related Breathing Disorders and Sleep Stages from the Evaluation of ECG Signals : = Erkennung von schlafbezogenen Atmungsstörungen und Schlafstadien anhand der Auswertung von EKG-Signalen
Prosody and automatic speech recognition: why not yet a Success Story and where to go from here
Deep Learning Applied to Animal Linguistics
Using Contextual Information to Process Out-of-Vocabulary Words in Spoken Dialog Systems
How many labellers revisited: naïves, experts, and real experts
Machine Learning for Stuttering Detection and Classification in Stuttering Therapy
Die prosodische Markierung des Satzmodus in der Spontansprache - Methodologie und erste Ergebnisse
Does it groove or does it stumble: automatic classification of alcoholic intoxication using prosodic features
Real-time recognition of the affective user state with physiological signals
The prediction of focus