Saltar navegación e ir al contenido principal
Biblioteca digital de Bogotá
Logo BibloRed
Saltar el buscador

Esta ingresando al contenido principal

Imagen de referencia de Feliz Navidad

Feliz Navidad

Regala un libro de la BDB a esa persona que no puedes abrazar.

Contenidos de esta colección

  • Exclusivo BibloRed
Imagen de apoyo de  A Multiple-Classifier Framework for Parkinson?s Disease Detection Based on Various Vocal Tests

A Multiple-Classifier Framework for Parkinson?s Disease Detection Based on Various Vocal Tests

Por: Hindawi Publishing Corporation | Fecha: 2016

Recientemente, las aplicaciones de análisis de patrones de habla en la construcción de modelos predictivos de telediagnóstico y telemonitorización para diagnosticar la enfermedad de Parkinson han atraído a muchos investigadores. Para este propósito, existen varios conjuntos de datos de muestras de voz; el conjunto de datos de UCI llamado tiene una variedad de pruebas vocales, que incluyen vocales sostenidas, palabras, números y frases cortas recopiladas de un conjunto de ejercicios de habla para personas sanas y personas con la enfermedad de Parkinson (PWP). Algunos investigadores afirman que resumir las múltiples grabaciones de cada sujeto con las métricas de tendencia central y dispersión es una estrategia eficiente en la construcción de un modelo predictivo para la enfermedad de Parkinson. Sin embargo, han pasado por alto el punto de que un paciente con Parkinson puede mostrar más dificultad en la pronunciación de ciertos términos que en otros. Por lo tanto, resumir las pruebas vocales puede llevar a la pérdida de información valiosa. Para

Compartir este contenido

A Multiple-Classifier Framework for Parkinson?s Disease Detection Based on Various Vocal Tests

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  A Multiple-Fault Localization Method for Embedded Software with Applications in Engineering

A Multiple-Fault Localization Method for Embedded Software with Applications in Engineering

Por: Hindawi | Fecha: 2021

El software embebido se utiliza cada vez con mayor fiabilidad. Sin embargo, la localizacin de fallos del software embebido sigue dependiendo en gran medida de la experiencia de los ingenieros. Adems, los fallos en los programas de software embebido no son individuos independientes, sino que estn relacionados entre s y se afectan mutuamente, lo que puede dar lugar a un comportamiento de interaccin ms complejo. Estas incertidumbres hacen que los mtodos tradicionales de localizacin de un solo fallo tengan un valor prctico limitado. En este trabajo se ha propuesto un mtodo de localizacin de mltiples fallos para su aplicacin al software embebido, con nfasis en el mtodo de adquisicin de espectros de programa basado en cach y el mtodo hbrido de particin de fallos basado en clustering. Mediante estudios de casos sobre 108 grupos del programa en cuestin, se ha demostrado que el mtodo hbrido de particin de fallos basado en agrupaciones ha mejorado significativamente la eficacia de la localizacin de fallos mltiples en comparacin con los mtodos tradicionales de localizacin de fallos. Los experimentos con tres programas de software embebido en ingeniera han revelado que el mtodo de adquisicin de espectros de programa basado en cach ahorra casi la mitad del coste de tiempo de ejecucin en comparacin con el mtodo tradicional de adquisicin de espectros basado en la transmisin en tiempo real. Por lo tanto, el mtodo de localizacin de mltiples fallos propuesto en este artculo puede aplicarse a la depuracin y prueba de software embebido en ingeniera.

Compartir este contenido

A Multiple-Fault Localization Method for Embedded Software with Applications in Engineering

Copia el enlace o compártelo en redes sociales

¿Eliminar este recurso de la colección?

¿Dejar de colaborar en Feliz Navidad?

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones