ディープラーニングで音声分類 - Qiita
勉強がてらディープラーニングで環境音・自然音の分類をやってみました。 データセットはESC-50を使用します。 コード全文。 やったこと 環境音・自然音をConvolutional neural networkで分類します。 対象は動物の鳴き声や雨の音、人間の咳、時計のアラーム、エンジン音のような声（言葉）のない音です。 これらの音を使って、以下の手順で分類器をつくりました。 音声データの前処理 データの入手 Augmentation メルスペクトログラム データの用意 CNNで分類 CNNの定義 最適化関数にAmsgradを採用 学習データにmixupを採用 音声データの前処理 ESC-50は環境音を50クラス、2,000ファイル集めたデータセットです。 クラスには以下があります。 50クラスで各クラスのデータが40ファイルずつ用意されており、合計2,000ファイルです。 1ファイルの長
職場の生産性が「高い職場」と「低い職場」の決定的な違い（幻冬舎ゴールドオンライン） - Yahoo!ニュース
国内企業が生産性を高めるには、どうすればよいのでしょうか? 約18年間にわたってストレスチェックの開発と運用に携わってきた筆者は、ストレスチェックを人材配置に活かすことがカギであると語ります。 メンタル不調を“予防”し、ストレスを“成長”に活かせる組織は生産性が高い 組織には予防成長型と事後成長型、予防配慮型、事後配慮型の4つの型があり、このなかで目指すべきは、個人の成長と職場の生産性向上（パフォーマンス向上）が両立される予防成長型の組織になることです。現状では、多くの組織は職場でメンタル不調が発生してから対応する事後配慮型になります。事後配慮型が不調から回復させて、マイナスからゼロに戻すこととするなら、予防成長型はゼロからプラスに引き上げることです（図表1）。 予防成長型を目指すには、ストレスチェックの結果を活用して、ゼロポジションに組織を移行させながら、一方で予防成長型の組織を目指すこ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
