END TO END RAW AUDIO DEEP LEARNING OF TRANSIENTS, APPLICATION TO BIOACOUSTICS - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2020

END TO END RAW AUDIO DEEP LEARNING OF TRANSIENTS, APPLICATION TO BIOACOUSTICS

Maxence Ferrari
  • Fonction : Auteur
  • PersonId : 1036820
  • IdRef : 254504205
DYNamiques de l’Information
Laboratoire Amiénois de Mathématique Fondamentale et Appliquée - UMR CNRS 7352
Hervé Glotin
DYNamiques de l’Information
Ricard Marxer
  • Fonction : Auteur
  • PersonId : 1086241
DYNamiques de l’Information

Domaines

Réseau de neurones [cs.NE] Acoustique [physics.class-ph] Apprentissage [cs.LG]
Fichier principal
Vignette du fichier
End_to_end_raw_audio_deep_learning_of_clicks.pdf (99.67 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Maxence Ferrari  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03078665

Soumis le : mercredi 16 décembre 2020-18:22:58

Dernière modification le : vendredi 22 mars 2024-18:24:04

Archivage à long terme le : mercredi 17 mars 2021-20:04:26

Télécharger pour visualiser

Dates et versions

hal-03078665 , version 1 (16-12-2020)

Identifiants

  • HAL Id : hal-03078665 , version 1

Citer

Maxence Ferrari, Hervé Glotin, Ricard Marxer. END TO END RAW AUDIO DEEP LEARNING OF TRANSIENTS, APPLICATION TO BIOACOUSTICS. FA2020 (Congrès Français d'Acoustique ), Dec 2020, Lyon, France. ⟨hal-03078665⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-TLN CNRS UNIV-AMU LIS-LAB U-PICARDIE LAMFA INCIAM
44 Consultations
85 Téléchargements

Partager

Gmail Facebook X LinkedIn More