04052nam 22007575 450 991029948550332120251117074507.09783319031163331903116310.1007/978-3-319-03116-3(CKB)3710000000085763(EBL)1698115(OCoLC)880456991(SSID)ssj0001185241(PQKBManifestationID)11748846(PQKBTitleCode)TC0001185241(PQKBWorkID)11198724(PQKB)10315319(MiAaPQ)EBC1698115(DE-He213)978-3-319-03116-3(PPN)176107541(EXLCZ)99371000000008576320140128d2014 u| 0engur|n|---|||||txtccrSpeech Processing in Mobile Environments /by K. Sreenivasa Rao, Anil Kumar Vuppala1st ed. 2014.Cham :Springer International Publishing :Imprint: Springer,2014.1 online resource (129 p.)SpringerBriefs in Speech Technology, Studies in Speech Signal Processing, Natural Language Understanding, and Machine Learning,2191-737XDescription based upon print version of record.9783319031156 3319031155 Includes bibliographical references.Introduction -- Background and Literature Review -- Vowel Onset Point Detection from Coded and Noisy Speech -- Consonant-Vowel Recognition in Presence of Coding and Background Noise -- Spotting and Recognition of Consonant-Vowel Units from Continuous Speech -- Speaker Identification and Time Scale Modification Using VOPs -- Summary and Conclusions -- MFCC Features -- Speech Orders -- Pattern Recognition Models.This book focuses on speech processing in the presence of low-bit rate coding and varying background environments. The methods presented in the book exploit the speech events which are robust in noisy environments. Accurate estimation of these crucial events will be useful for carrying out various speech tasks such as speech recognition, speaker recognition and speech rate modification in mobile environments. The authors provide insights into designing and developing robust methods to process the speech in mobile environments. Covering temporal and spectral enhancement methods to minimize the effect of noise and examining methods and models on speech and speaker recognition applications in mobile environments.SpringerBriefs in Speech Technology, Studies in Speech Signal Processing, Natural Language Understanding, and Machine Learning,2191-737XSignal processingImage processingSpeech processing systemsComputersElectrical engineeringSignal, Image and Speech Processinghttps://scigraph.springernature.com/ontologies/product-market-codes/T24051Information Systems and Communication Servicehttps://scigraph.springernature.com/ontologies/product-market-codes/I18008Communications Engineering, Networkshttps://scigraph.springernature.com/ontologies/product-market-codes/T24035Signal processing.Image processing.Speech processing systems.Computers.Electrical engineering.Signal, Image and Speech Processing.Information Systems and Communication Service.Communications Engineering, Networks.006.454Rao K. Sreenivasa(Krothapalli Sreenivasa),authttp://id.loc.gov/vocabulary/relators/aut0Vuppala Anil Kumarauthttp://id.loc.gov/vocabulary/relators/autMiAaPQMiAaPQMiAaPQBOOK9910299485503321Speech Processing in Mobile Environments4001688UNINA03486oam 2200637 c 450 991050428760332120260202090927.03-7815-5799-59783781557994(CKB)4100000011250319(Verlag Julius Klinkhardt)9783781557994(oapen)https://directory.doabooks.org/handle/20.500.12854/72662(oapen)doab72662(EXLCZ)99410000001125031920260202d2020 uy 0gerurnnunnnannuutxtrdacontentcrdamediacrrdacarrierIst eine gute Schule eine inklusive Schule?Entwicklung von Messinstrumenten durch SchulinspektionenAnne Piezunka1st ed.Bad HeilbrunnVerlag Julius Klinkhardt20201 online resource (255 p.)klinkhardt forschung. Interdisziplinäre Beiträge zur Inklusionsforschung3-7815-2360-8 Wie misst man die Qualität von Schule und was versteht man überhaupt unter einer „guten“ Schule? Mit diesen Fragen setzen sich im Fall von Deutschland die bundeslandspezifischen Schulinspektionen auseinander. Sie evaluieren mithilfe von Befragungen und standardisierten Beobachtungen regelmäßig die Qualität von Einzelschulen. Im Rahmen der Arbeit wird untersucht, inwiefern Schulinspektionen unter einer guten Schule eine inklusive Schule verstehen und wie die dazugehörigen Messinstrumente entstanden sind. Da es an einer einheitlichen Definition von schulischer Inklusion fehlt, wird im Rahmen der Arbeit auch berücksichtigt, was die Schulinspektionen in den einzelnen Bundesländern darunter verstehen und wie sie die gesetzliche Vorgabe in ihren Messinstrumenten interpretiert haben. Hierbei wird auf Arbeiten aus der Inklusionsforschung (z.B. Prengel; Hinz) sowie auf Arbeiten aus der Bewertungssoziologie (z.B. Boltanski & Thévenot) zurückgegriffen. Des Weiteren wird mithilfe des organisationssoziologischen Sensemaking-Ansatzes (Weick; Spillane) analysiert, welche Rahmenbedingungen bei der Entwicklung der Messinstrumente eine Rolle spielten, z.B. bildungspolitische Konstellationen sowie persönliche Erfahrungen. Diese Dissertation wurde 2019 mit dem Wissenschaftspreis der Sektion Sonderpädagogik der DGfE ausgezeichnet. Interdisziplinäre Beiträge zur InklusionsforschungBildungswissenschaftSensemaking-AnsatzInklusionsforschungEducational GovernanceInklusive SchuleSozialforschungInterdisziplinäre Beiträge zur InklusionsforschungBewertungssoziologieSchulinspektionQualitätssicherungEvaluationBildungswissenschaftSensemaking-Ansatz,Inklusionsforschung,Educational GovernanceInklusive SchuleSozialforschung,Interdisziplinäre Beiträge zur InklusionsforschungBewertungssoziologie,SchulinspektionQualitätssicherung,EvaluationPiezunka Anneaut1206318Verlag Julius KlinkhardtVerlag Julius KlinkhardtBOOK9910504287603321Ist eine gute Schule eine inklusive Schule2783211UNINA