論文の概要: Surfboard: Audio Feature Extraction for Modern Machine Learning
- arxiv url: http://arxiv.org/abs/2005.08848v1
- Date: Mon, 18 May 2020 16:20:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 00:51:11.363543
- Title: Surfboard: Audio Feature Extraction for Modern Machine Learning
- Title（参考訳）: Surfboard: モダン機械学習のための音声特徴抽出
- Authors: Raphael Lenain, Jack Weston, Abhishek Shivkumar, Emil Fristed
- Abstract要約: Surfboardは、医療ドメインへのアプリケーションによるオーディオ機能を抽出する、オープンソースのPythonライブラリである。
最先端のオーディオ分析パッケージ上に構築されており、大規模なワークロードを処理するマルチプロセスをサポートする。
本稿では、パーキンソン病分類タスクへのSurfboardの適用について説明する。
- 参考スコア（独自算出の注目度）: 11.527421282223948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Surfboard, an open-source Python library for extracting audio
features with application to the medical domain. Surfboard is written with the
aim of addressing pain points of existing libraries and facilitating joint use
with modern machine learning frameworks. The package can be accessed both
programmatically in Python and via its command line interface, allowing it to
be easily integrated within machine learning workflows. It builds on
state-of-the-art audio analysis packages and offers multiprocessing support for
processing large workloads. We review similar frameworks and describe
Surfboard's architecture, including the clinical motivation for its features.
Using the mPower dataset, we illustrate Surfboard's application to a
Parkinson's disease classification task, highlighting common pitfalls in
existing research. The source code is opened up to the research community to
facilitate future audio research in the clinical domain.
- Abstract（参考訳）: 医療ドメインへのアプリケーションでオーディオ機能を抽出するための,オープンソースのpythonライブラリであるsubmarienceを紹介する。
Surfboardは、既存のライブラリの問題点に対処し、モダンな機械学習フレームワークとの併用を容易にする目的で書かれている。
このパッケージはpythonでプログラム的にもコマンドラインインターフェースでもアクセスでき、機械学習ワークフローに簡単に統合できる。
最先端のオーディオ分析パッケージ上に構築され、大規模なワークロードを処理するためのマルチプロセッシングサポートを提供する。
類似したフレームワークをレビューし,その特徴の臨床的動機を含め,サーブのアーキテクチャについて述べる。
mpowerデータセットを用いてパーキンソン病分類タスクへのサーフボードの適用例を示し、既存の研究に共通する落とし穴を浮き彫りにする。
ソースコードは研究コミュニティに公開され、臨床領域における将来の音声研究を促進する。
関連論文リスト
- Deep Fast Machine Learning Utils: A Python Library for Streamlined Machine Learning Prototyping [0.0]
Deep Fast Machine Learning Utils (DFMLU)ライブラリは、機械学習プロセスのアスペクトを自動化および拡張するために設計されたツールを提供する。
DFMLUはモデル開発とデータ処理をサポートする機能を提供します。
この原稿はDFMLUの機能の概要を示し、各ツールにPythonの例を提供している。
論文 参考訳（メタデータ） (2024-09-14T21:39:17Z) - pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - Open and reusable deep learning for pathology with WSInfer and QuPath [2.554961754124123]
WSInferは、病理の深い学習をより合理化し、アクセスしやすくするために設計された、新しいオープンソースのソフトウェアエコシステムです。
2)ユーザフレンドリでインタラクティブなソフトウェアを通じて代替の推論エンジンを提供するQuPath拡張、3)病理モデルとメタデータを標準化された形式で簡単に共有できるモデル動物園である。
論文 参考訳（メタデータ） (2023-09-08T22:47:23Z) - SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。
それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。
私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文 参考訳（メタデータ） (2023-04-21T10:00:22Z) - pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。
我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文 参考訳（メタデータ） (2022-01-11T12:18:44Z) - WAX-ML: A Python library for machine learning and feedback loops on
streaming data [0.0]
WAX-MLは研究指向のPythonライブラリである。
強力な機械学習アルゴリズムを設計するためのツールを提供する。
JAXを時系列専用のツールで補完しようと努力しています。
論文 参考訳（メタデータ） (2021-06-11T17:42:02Z) - SpeechBrain: A General-Purpose Speech Toolkit [73.0404642815335]
SpeechBrainはオープンソースでオールインワンの音声ツールキットである。
ニューラル音声処理技術の研究開発を促進するために設計された。
幅広い音声ベンチマークにおいて、競争力や最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-06-08T18:22:56Z) - PyHealth: A Python Library for Health Predictive Models [53.848478115284195]
PyHealthは、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスである。
データ前処理モジュールにより、複雑なヘルスケアデータセットを機械学習フレンドリーなフォーマットに変換できます。
予測モデリングモジュールは、確立されたアンサンブルツリーとディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供します。
論文 参考訳（メタデータ） (2021-01-11T22:02:08Z) - Plato Dialogue System: A Flexible Conversational AI Research Platform [64.82999992143448]
PlatoはPythonで書かれた柔軟な会話型AIプラットフォームで、あらゆる種類の対話型エージェントアーキテクチャをサポートする。
Platoは理解しやすく、デバッグしやすいように設計されており、各コンポーネントをトレーニングする基盤となる学習フレームワークに依存しない。
論文 参考訳（メタデータ） (2020-01-17T18:27:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。