徳島大学 教育・研究者情報データベース(EDB)

1. 榎本 崇宏([徳島大学.大学院社会産業理工学研究部.理工学域.電気電子系.電気電子システム分野]/[徳島大学.理工学部.理工学科.電気電子システムコース.電気電子システム講座])

   役割	任意
   貢献度	任意
   学籍番号	推奨

2. Abeyratne Udantha(The University of Queensland)

   役割	任意
   貢献度	任意
   学籍番号	推奨

3. (英) Aoki Yusuke

   役割	任意
   貢献度	任意
   学籍番号	推奨

4. 芥川 正武([徳島大学.大学院社会産業理工学研究部.理工学域.電気電子系.電気電子システム分野]/[徳島大学.理工学部.理工学科.電気電子システムコース.電気電子システム講座])

   役割	任意	(日) 解析手法の検討
   貢献度	任意
   学籍番号	推奨

5. (英) Kondo Eiji

   役割	任意
   貢献度	任意
   学籍番号	推奨

6. (英) Kawada Ikuji

   役割	任意
   貢献度	任意
   学籍番号	推奨

7. 小中 信典

   役割	任意
   貢献度	任意
   学籍番号	推奨

8. 木内 陽介

   役割	任意
   貢献度	任意
   学籍番号	推奨

(英) Detecting the snore related sound using neural network based technique

(日) ニューラルネットワークを用いた手法によるいびき関連音の検出

(英) In this paper, we propose the novel method to detect automatically snore-related-sound(SRS) by using the noise-robust neural network technique. The performance of the proposed method is evaluated on the clinical SRS data and compared with that of conventional zero-crossing-based method. We show that the proposed method can detect accurately the SRS compared to the conventional method. Even at very low SNR, the proposed method works within the detection error of 0.12[s].

(日) この論文では，ニューラルネットワークを用いたいびきに関連する音の自動検出法を提案する．低SNRの状況下において，提案法の有効性が調査される．さらに，既存法との性能比較が行われる．