Bücher von Chandrasekhar Paseddula

Les résultats obtenus dans ce système utilisant MFCC + LPCC avec SVM sont louables. Le taux de reconnaissance du système est de 81,2% pour IITKGP-SESC, 78,6% pour EmodB et 70% pour la base de données enregistrée en temps réel. Les MFCC et LPCC correspondant à chaque énoncé de chaque émotion des bases de données ont été calculés et leur fusion est utilisée pour l'extraction de caractéristiques ainsi que leurs coefficients delta et double-delta. Ces fonctionnalités extraites des fichiers de formation sont entraînées au modèle SVM. Plus tard, les caractéristiques des fichiers de test sont fournies en entrée au classificateur SVM à des fins de prédiction. Ensuite, la classification des échantillons de test est effectuée et le pourcentage d'émotions correspondantes et non correspondantes est calculé à l'aide d'une matrice de confusion. Les performances de la base de données enregistrée en temps réel sont limitées par les facteurs externes qui affectent les déclarations du locuteur, tels que le bruit dans le signal et l'environnement dans lequel l'enregistrement est effectué. Les performances peuvent être augmentées en utilisant des appareils audio de haute qualité dans un environnement sans bruit. Un grand nombre d¿échantillons d¿entraînement s¿avère également augmenter les performances. En conclusion, on peut affirmer avec certitude que malgré certaines limites, ce système offre une efficacité et une précision appréciables.

I risultati ottenuti in questo sistema utilizzando MFCC+LPCC con SVM sono encomiabili. Il tasso di riconoscimento del sistema è dell'81,2% per IITKGP-SESC, del 78,6% per EmodB e del 70% per il database registrato in tempo reale. Gli MFCC e gli LPCC corrispondenti a ciascuna espressione di ciascuna emozione dei database sono stati calcolati e la loro fusione viene utilizzata per l'estrazione delle caratteristiche insieme ai relativi coefficienti delta e doppio delta. Queste funzionalità estratte dai file di training vengono addestrate al modello SVM. Successivamente le caratteristiche dei file di test vengono fornite come input al classificatore SVM per la previsione. Quindi viene effettuata la classificazione dei campioni da testare e la percentuale delle emozioni sia corrispondenti che non corrispondenti viene calcolata utilizzando la matrice di confusione. Le prestazioni del database registrato in tempo reale sono limitate dai fattori esterni che influenzano le espressioni dell'oratore come il rumore nel segnale e l'ambiente in cui viene effettuata la registrazione. Le prestazioni possono essere aumentate utilizzando dispositivi audio di alta qualità in un ambiente privo di rumore. Anche un gran numero di campioni di allenamento risultano in grado di aumentare le prestazioni. In conclusione, si può affermare con fermezza che, nonostante alcuni limiti, questo sistema fornisce un'apprezzabile efficienza e precisione.

Los resultados obtenidos en este sistema utilizando MFCC+LPCC con SVM son encomiables. La tasa de reconocimiento del sistema es del 81,2% para IITKGP-SESC, del 78,6% para EmodB y del 70% para la base de datos registrada en tiempo real. Se han calculado los MFCC y LPCC correspondientes a cada expresión de cada emoción de las bases de datos y su fusión se utiliza para la extracción de características junto con sus coeficientes delta y doble delta. Estas características extraídas de los archivos de entrenamiento se entrenan según el modelo SVM. Posteriormente, las características de los archivos de prueba se proporcionan como entrada al clasificador SVM para su predicción. Luego se realiza la clasificación de las muestras de prueba y se calcula el porcentaje de emociones coincidentes y no coincidentes utilizando una matriz de confusión. El rendimiento de la base de datos grabada en tiempo real está limitado por factores externos que afectan las expresiones del hablante, como el ruido en la señal y el entorno donde se realiza la grabación. El rendimiento se puede aumentar utilizando dispositivos de audio de alta calidad en un entorno libre de ruido. Además, una gran cantidad de muestras de entrenamiento aumentan el rendimiento. En conclusión, se puede afirmar firmemente que, a pesar de ciertas limitaciones, este sistema proporciona una eficiencia y precisión apreciables.

Rezul'taty, poluchennye w ätoj sisteme s ispol'zowaniem MFCC+LPCC s SVM, zasluzhiwaüt wysokoj ocenki. Urowen' raspoznawaniq sistemy sostawlqet 81,2% dlq IITKGP-SESC, 78,6% dlq EmodB i 70% dlq bazy dannyh, zapisannoj w real'nom wremeni. MFCC i LPCC, sootwetstwuüschie kazhdomu proizneseniü kazhdoj ämocii w bazah dannyh, byli wychisleny, i ih ob#edinenie ispol'zuetsq dlq izwlecheniq priznakow wmeste s ih koäfficientami del'ta i dwojnaq del'ta. Jeti izwlechennye funkcii obuchaüschih fajlow obuchaütsq modeli SVM. Pozzhe harakteristiki testowyh fajlow peredaütsq w kachestwe whodnyh dannyh w klassifikator SVM dlq prognozirowaniq. Zatem prowoditsq klassifikaciq testowyh obrazcow i rasschitywaetsq procent kak sowpadaüschih, tak i nesowpadaüschih ämocij s ispol'zowaniem matricy putanicy. Proizwoditel'nost' bazy dannyh, zapisannoj w real'nom wremeni, ogranichena wneshnimi faktorami, wliqüschimi na wyskazywaniq goworqschego, takimi kak shum w signale i sreda, w kotoroj osuschestwlqetsq zapis'. Proizwoditel'nost' mozhno powysit' za schet ispol'zowaniq wysokokachestwennyh audioustrojstw w uslowiqh otsutstwiq shuma. Krome togo, bol'shoe kolichestwo obuchaüschih wyborok powyshaet proizwoditel'nost'. V zaklüchenie mozhno twerdo zaqwit', chto, nesmotrq na opredelennye ogranicheniq, dannaq sistema obespechiwaet zametnuü äffektiwnost' i tochnost'.

Die in diesem System unter Verwendung von MFCC+LPCC mit SVM erzielten Ergebnisse sind lobenswert. Die Erkennungsrate des Systems beträgt 81,2 % für IITKGP-SESC, 78,6 % für EmodB und 70 % für die in Echtzeit aufgezeichnete Datenbank. Die MFCCs und LPCCs, die jeder Äußerung jeder Emotion aus Datenbanken entsprechen, wurden berechnet und ihre Fusion wird zusammen mit ihren Delta- und Doppel-Delta-Koeffizienten zur Merkmalsextraktion verwendet. Diese extrahierten Merkmale der Trainingsdateien werden auf das SVM-Modell trainiert. Später werden die Merkmale der Testdateien zur Vorhersage als Eingabe an den SVM-Klassifikator übergeben. Anschließend erfolgt die Klassifizierung der Testproben und der Prozentsatz der übereinstimmenden und nicht übereinstimmenden Emotionen wird mithilfe einer Verwirrungsmatrix berechnet. Die Leistung der in Echtzeit aufgezeichneten Datenbank wird durch externe Faktoren begrenzt, die die Äußerungen des Sprechers beeinflussen, wie z. B. Rauschen im Signal und die Umgebung, in der die Aufzeichnung durchgeführt wird. Die Leistung kann durch den Einsatz hochwertiger Audiogeräte in einer geräuschfreien Umgebung gesteigert werden. Auch eine große Anzahl von Trainingsbeispielen steigert die Leistung. Zusammenfassend lässt sich festhalten, dass dieses System trotz gewisser Einschränkungen eine beachtliche Effizienz und Genauigkeit bietet.

Os resultados obtidos neste sistema utilizando MFCC+LPCC com SVM são louváveis. A taxa de reconhecimento do sistema é de 81,2% para o IITKGP-SESC, 78,6% para o EmodB e 70% para a base de dados gravada em tempo real. Os MFCCs e LPCCs correspondentes a cada enunciado de cada emoção dos bancos de dados foram computados e sua fusão é usada para extração de características juntamente com seus coeficientes delta e delta duplo. Esses recursos extraídos dos arquivos de treinamento são treinados para o modelo SVM. Posteriormente, os recursos dos arquivos de teste são fornecidos como entrada para o classificador SVM para previsão. Em seguida, a classificação das amostras de teste é feita e a porcentagem de emoções correspondentes e incompatíveis é calculada usando a matriz de confusão. O desempenho do banco de dados gravado em tempo real é limitado por fatores externos que afetam as declarações do locutor, como ruído no sinal e ambiente onde a gravação é realizada. O desempenho pode ser aumentado usando dispositivos de áudio de alta qualidade em ambientes sem ruído. Além disso, um grande número de amostras de treinamento aumenta o desempenho. Para concluir, pode-se afirmar com firmeza que, apesar de certas limitações, este sistema proporciona uma eficiência e precisão apreciáveis.

I risultati ottenuti da questo sistema utilizzando e interfacciando diversi moduli sono lodevoli. Il sistema "Smart and safe child rescue system from open bore well" è stato progettato principalmente per salvare molte vite di bambini che cadono all'interno di un pozzo trivellato. Negli ultimi 10 anni, molte vite sono state perse cadendo all'interno di un pozzo trivellato perché scavare una fossa accanto al pozzo trivellato è un processo molto noioso e richiede molto tempo. Utilizzando motori più grandi, bracci e tecnologie avanzate, questo sistema può essere implementato con maggiore successo. Per questo motivo, abbiamo sviluppato un robot di salvataggio che, grazie alle ruote impiegate, entra nel pozzo e salva il bambino.Le prestazioni del robot di salvataggio in tempo reale sono limitate dalla mancanza di connettività a Internet in profondità. Nei pozzi trivellati più profondi, dove non ci sono connessioni, si possono usare tecnologie alternative come i moduli Lo-Ra. Inoltre, se il peso del bambino è così elevato da non poter essere trasportato dalle braccia robotiche, c'è il rischio di far cadere il bambino. In conclusione, si può affermare con certezza che, nonostante alcune limitazioni, questo sistema offre una notevole efficienza.

Die Ergebnisse, die bei diesem System durch die Verwendung und Verknüpfung mehrerer Module erzielt werden, sind lobenswert. Das "Intelligente und sichere System zur Rettung von Kindern aus offenen Bohrbrunnen" wurde hauptsächlich entwickelt, um das Leben vieler Kinder zu retten, die in einen Bohrbrunnen fallen. In den letzten 10 Jahren sind viele Kinder durch einen Sturz in einen Bohrbrunnen ums Leben gekommen, da das Graben einer Grube neben dem Bohrbrunnen sehr mühsam und zeitaufwendig ist. Durch den Einsatz größerer Motoren, Arme und fortschrittlicher Technologie kann dieses System erfolgreicher eingesetzt werden. So haben wir mit diesem System einen Rettungsroboter entwickelt, der mit Hilfe von Rädern in den Brunnen fährt und das Kind rettet.Die Leistung des Echtzeit-Rettungsroboters für Kinder wird durch die fehlende Internetverbindung mit zunehmender Tiefe eingeschränkt. In tieferen Bohrlöchern, wo es keine Verbindungen gibt, können alternative Technologien wie Lo-Ra-Module eingesetzt werden. Wenn das Gewicht des Babys so hoch ist, dass die Roboterarme es nicht tragen können, besteht außerdem die Gefahr, dass das Baby herunterfällt. Zusammenfassend lässt sich sagen, dass dieses System trotz gewisser Einschränkungen eine beträchtliche Effizienz aufweist.

Les résultats obtenus par ce système en utilisant et en interfaçant plusieurs modules sont louables. "Le système intelligent et sûr de sauvetage d'enfants dans un puits ouvert est principalement conçu pour sauver de nombreuses vies d'enfants qui tombent dans un puits. Au cours des dix dernières années, de nombreuses vies ont été perdues en tombant dans le puits, car creuser une fosse à côté du puits est un processus très fastidieux qui prend beaucoup de temps. En utilisant de plus gros moteurs, des bras et une technologie avancée, ce système peut être mis en ¿uvre avec plus de succès. Ainsi, grâce à ce système, nous avons développé un robot de sauvetage qui pénètre dans le puits grâce aux roues utilisées et qui sauve l'enfant.Les performances du robot de sauvetage d'enfants en temps réel sont limitées par le manque de connectivité Internet en profondeur, à mesure que la profondeur augmente. Dans les puits plus profonds où il n'y a pas de connexion, des technologies alternatives comme les modules Lo-Ra peuvent être utilisées. En outre, si le poids du bébé est si élevé que les bras robotiques ne peuvent pas le porter, il y a un risque de chute du bébé. En conclusion, on peut affirmer que, malgré certaines limites, ce système offre une efficacité considérable.

Los resultados obtenidos en este sistema utilizando e interconectando varios módulos son encomiables. El sistema "Smart and safe child rescue system from open bore well" está diseñado principalmente para salvar muchas vidas de niños que caen dentro del pozo de sondeo. En los últimos 10 años, se han perdido muchas vidas por caídas en pozos de sondeo, ya que cavar una fosa junto al pozo es un proceso muy tedioso y lento. Utilizando motores más grandes, brazos y tecnología avanzada, este sistema puede aplicarse con más éxito. Así, a través de este sistema, hemos desarrollado un robot de rescate que entra en el pozo de sondeo a través de las ruedas empleadas y rescata al niño.El rendimiento del robot de rescate de niños en tiempo real se ve limitado por la falta de conectividad a Internet a medida que aumenta la profundidad. En los pozos más profundos, donde no hay conexiones, se pueden utilizar tecnologías alternativas como los módulos Lo-Ra. Además, si el peso del bebé es tan elevado que los brazos robóticos no pueden cargarlo, existe el riesgo de que se caiga. En conclusión, se puede afirmar con rotundidad que, a pesar de ciertas limitaciones, este sistema proporciona una eficacia considerable.

Os resultados obtidos neste sistema com a utilização e a interligação de vários módulos são louváveis. O "sistema inteligente e seguro de salvamento de crianças de poços abertos" foi concebido principalmente para salvar muitas vidas de crianças que caem dentro de poços. Nos últimos 10 anos, perderam-se muitas vidas ao cair dentro do poço, porque cavar um poço ao lado do poço é um processo muito fastidioso e demorado. Ao utilizar motores maiores, braços e tecnologia avançada, este sistema pode ser implementado com maior sucesso. Assim, através deste sistema, desenvolvemos um robô de salvamento que entra no poço através das rodas utilizadas e salva a criança.O desempenho do robô de salvamento de crianças em tempo real é limitado pela falta de ligação à Internet à medida que a profundidade aumenta. Em poços mais profundos, onde não existem ligações, podem ser utilizadas tecnologias alternativas como os módulos Lo-Ra. Além disso, se o peso do bebé for tão elevado que os braços robóticos não consigam suportar, existe o risco de o bebé cair. Para concluir, pode afirmar-se que, apesar de algumas limitações, este sistema oferece uma eficiência considerável.

Rezul'taty, poluchennye w ätoj sisteme pri ispol'zowanii i wzaimodejstwii neskol'kih modulej, zasluzhiwaüt odobreniq. "Intellektual'naq i bezopasnaq sistema spaseniq detej iz otkrytogo kolodca" prednaznachena dlq spaseniq mnogih zhiznej detej, upawshih w kolodec. Za poslednie 10 let w rezul'tate padeniq w skwazhinu pogiblo mnogo lüdej, poskol'ku ryt'e qmy rqdom so skwazhinoj - ochen' utomitel'nyj i trudoemkij process. Ispol'zuq bolee moschnye dwigateli, manipulqtory i peredowye tehnologii, ätu sistemu mozhno realizowat' bolee uspeshno. Takim obrazom, my razrabotali robota-spasatelq, kotoryj s pomosch'ü koles opuskaetsq w skwazhinu i spasaet rebenka.Rabota robota-spasatelq w real'nom wremeni ogranichena otsutstwiem internet-swqzi po mere uwelicheniq glubiny skwazhiny. V bolee glubokih skwazhinah, gde net swqzi, mozhno ispol'zowat' al'ternatiwnye tehnologii, naprimer moduli Lo-Ra. Krome togo, esli wes rebenka nastol'ko welik, chto robotizirowannye manipulqtory ne mogut ego wyderzhat', suschestwuet risk padeniq rebenka wniz. V zaklüchenie mozhno s uwerennost'ü skazat', chto, nesmotrq na nekotorye ogranicheniq, dannaq sistema obespechiwaet znachitel'nuü äffektiwnost'.

The results obtained in this system using MFCC+LPCC with SVM arecommendable. The recognition rate ofsystem is 81.2% for IITKGP-SESC, 78.6% for EmodB and 70% for real time recorded database. The MFCCs and LPCCs corresponding to each utterance of the each emotion of databases have been computed and their fusion is used for feature extraction along with their delta and double-delta coefficients. These extracted features of training files are trained to the SVM model. Later the features of test files are given as input to SVM classifier for prediction. Then the classification of testing samples is done and the percentage of both matched and mismatched emotion is computed using confusion matrix. The performance of the real time recorded database is limited by the external factors which affect the speaker¿s utterances like noise in signal, environment where recording is carried out. The performance can be increased by using high quality audio devices in noise free environment. Also large number of training samples turn out to increase performance. To conclude, it can be firmly stated that despite certain limitations, this system provides appreciable efficiency and accuracy.

The results obtained in this system using and interfacing several modules are commendable. ¿Smart and safe child rescue system from open bore well¿ is mainly designed to save many lives of children who fall inside the bore well. In the past 10 years, lots of lives had been lost by falling in to the bore well because digging a pit beside the bore well is very tedious and time consuming process. By using bigger motors, arms and advanced technology this system can be implemented more successfully. Thus through this system, we developed a rescue robot which goes into the bore well through the wheels employed and rescues the child.The performance of real time child rescue robot is limited by lack of internet connectivity deep down as the depth increases. In deeper bore wells where there are no connections, alternative technologies like Lo-Ra modules can be used. Also, if the weight of the baby is so high that the robotic arms cannot carry, there is a risk of dropping the baby down. To conclude, it can be firmly stated that despite certain limitations, this system provides considerable efficiency.