Saltar navegación e ir al contenido principal

Audios

15. Yaarigwa majtsi

CONTENIDO DE LIBRE ACCESO

Este contenido es de libre acceso. Solo haz clic en el siguiente botón.

Autor
Año de publicación 2024
Idioma Otros
Publicado por Universidad Nacional de Colombia. Sede Amazonia

Descripción: Canciones del baile de yaarigwa majtsi cantadas por Luis Neeba Gwajko Miraña. La grabación fue hecha en casete por Frank Seifart en el año 2000 y posteriormente digitalizada en el año 2021. Esta grabación se encuentra originalmente depositada en The Language Archive y fue donada por Frank Seifart al Archivo Neeba Gwajko en 2024. El audio incluye los lados A y B del casete. La descripción original del casete dice lo siguiente: "Canciones de baile de tablón con explicaciones, temas I y II, Luis Gwajko Miraña, ca. 2000. Canciones de baile de tablón con explicaciones, témas III y IV, y una canción de baile de chucula, Luis Gwajko Miraña, ca. 2000".
Citación recomendada (normas APA)
: Frank Seifart, "15. Yaarigwa majtsi", Colombia:Universidad Nacional de Colombia. Sede Amazonia, 2024. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3697949/), el día 2025-08-20.

Información adicional

Temas
- Ciencias sociales
- Otros
- Historia oral
Derechos de uso Otros
Fuente ARDILA - Archivo Digital de las Lenguas Indígenas de la Amazonía
Términos y condiciones de uso Más información aquí
Año de publicación 2024
Formato 01:34:18
Cobertura Colombia

Contenidos relacionados

Exclusivo BibloRed

Imagen de apoyo de FeatureTransfer, Unsupervised Domain Adaptation for Cross-Domain Deepfake Detection

Por: Hindawi | Fecha: 2021

Recientemente, se han propuesto varios métodos de detección de Deepfake, y la mayoría de ellos se basan en redes neuronales convolucionales (CNN). Estos métodos de detección sufren de sobreajuste en el conjunto de datos fuente y no funcionan bien en conjuntos de datos de dominios cruzados que tienen distribuciones diferentes al conjunto de datos fuente. Para abordar estas limitaciones, en este artículo se propone un nuevo método llamado FeatureTransfer, que es un método de detección de Deepfake de dos etapas que combina el aprendizaje por transferencia. En primer lugar, el modelo de CNN preentrenado en un conjunto de datos de Deepfake de gran escala de terceros se puede utilizar para extraer los vectores de características más transferibles de los videos de Deepfake en los dominios fuente y objetivo. En segundo lugar, estos vectores de características se introducen en la red neuronal adversaria de dominio basada en retropropagación (BP-DANN) para un entrenamiento adaptativo de dominio no supervisado, donde los videos en el dominio fuente tienen etiquetas reales o falsas, mientras que

Imagen de apoyo de "Yo, maestra", Sandra Báez y los estudios de las emociones

Por: Sandra Baez | Fecha: 2020

Encuentro con una de las más reconocidas investigadoras de las neurociencias en América Latina: Sandra Baez. Hablamos sobre su trayectoria como maestra y sus reflexiones sobre la investigación y la ciencias cognitivas en Colombia.

Temas:
Ciencias sociales
Otros

¡Disfruta más de la BDB!

Explora contenidos digitales de forma gratuita, crea tus propias colecciones, colabora y comparte con otros.