Refine
Document Type
- Conference Proceeding (12)
- Article (unreviewed) (5)
- Bachelor Thesis (3)
- Part of a Book (2)
- Master's Thesis (2)
- Article (reviewed) (1)
Conference Type
- Konferenzartikel (12)
Keywords
- Machine Learning (25) (remove)
Institute
- Fakultät Elektrotechnik, Medizintechnik und Informatik (EMI) (ab 04/2019) (15)
- IMLA - Institute for Machine Learning and Analytics (9)
- Fakultät Medien (M) (ab 22.04.2021) (4)
- Fakultät Wirtschaft (W) (3)
- Fakultät Maschinenbau und Verfahrenstechnik (M+V) (2)
- IfTI - Institute for Trade and Innovation (2)
- Fakultät Elektrotechnik und Informationstechnik (E+I) (bis 03/2019) (1)
- INES - Institut für nachhaltige Energiesysteme (1)
Open Access
- Open Access (14)
- Closed (7)
- Bronze (4)
- Closed Access (3)
- Diamond (1)
Jeder Mensch ist ständig unfreiwillig von einer Flut akustischer Reize umgeben. Diese Situation stellt für Menschen mit Hörverlust eine besondere Herausforderung dar. Menschen mit Hörverlust hören durch Hörgeräte zwar alles verstärkt, jedoch stellt sich die Frage, ob ein Hörgerät lediglich eine einfache Verstärkung von Schallwellen ist oder ob es darüber hinausgehende Funktionen bieten kann.
Die vorliegende Thesis widmet sich der akustischen Szenenanalyse in Hörgeräten, wobei der Schwerpunkt auf der Integration von Machine Learning liegt. Das Ziel besteht darin, eine automatisierte Erkennung und Anpassung an verschiedene akustische Situationen zu ermöglichen. Die Arbeit konzentriert sich insbesondere auf die Analyse grundlegender Szenarien wie: Sprache in Ruhe, absolute Ruhe, Sprache in Störgeräuschen und Störgeräuschen in Audiodaten.