Kvíz spojený s průvodcem · Střední úroveň
Extrakce zvukových funkcí pomocí kvízu Librosa
Prohlédněte si funkce Librosa a volby rámování a zabraňte chybám ve vzorkovací frekvenci, tvaru, normalizaci a rozdělení dat v opakovaně použitelných kanálech strojového učení.
Otázka 1 z 8
Která skupina vlastností shrnuje informace o spektrální obálke pomocí banky mel filtru a kosinusové transformace?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Která skupina vlastností shrnuje informace o spektrální obálke pomocí banky mel filtru a kosinusové transformace?
- Chroma vektory
- Obálky s počáteční pevností
- MFCC
- Hrubé fázové úhly STFT
- Co běžně agreguje barevná reprezentace?
- Energie v každé samostatné přihrádce absolutní frekvence bez skládání oktávy
- Energie podle třídy výšky tónu
- Časové intervaly mezi po sobě jdoucími vrcholy amplitudy
- Cepstrální koeficienty popisující spektrální obálku
- Které nastavení řídí rozestupy mezi po sobě jdoucími snímky analýzy?
- Samotná délka okna
- Počet melových pásem
- Počet kepstrálních koeficientů
- Délka chmele
- Proč musí být tvar vlny při převzorkování transformován?
- Změna pouze metadat nevytvoří vzorky s novou rychlostí
- Samotné přeznačení samplů vždy zachová výšku přehrávání za všech okolností
- Nové pole vzorkovací frekvence automaticky aplikuje antialias filtrování
- Opakované kopírování vzorků je ekvivalentní každé správné metodě převzorkování
- Proč by měly být statistiky normalizace funkcí přizpůsobeny pouze tréninkovým datům?
- Aby bylo zaručeno, že každý normalizovaný prvek je Gaussovský
- Aby bylo předběžné zpracování nezávislé na datech tvarování
- Aby se zabránilo tomu, že informace o ověření nebo testování ovlivní předběžné zpracování
- Povolit jinou naučenou normalizaci na základě odvození bez ověření
- Jaké informace jsou vyřazeny, když je STFT zmenšen na velikost?
- Vzorkovací frekvence
- Fáze
- Počítání časového rámce
- Počet frekvenčních zásobníků
- Které tvrzení o síle nástupu je přesné?
- Detekuje každý nástup na přesné hranici
- Měří pouze rámcovou hlasitost
- Vrací popisky rytmu nezávislé na tempu
- Shrnuje změny spojené s pravděpodobnými útoky, ale není zaručeným detektorem událostí
- Proč seskupovat nahrávky podle řečníka nebo relace před rozdělením překrývajících se oken?
- Související okna mohou jinak unikat během školení a ověřování
- Překrytí oken zaručuje nezávislost po zamíchání štítků
- Seskupování mění vzorkovací frekvenci křivky
- Samotný identifikátor zdroje odstraní každou korelaci mezi souvisejícími okny