Learnable Fractional Superlets with a Spectro-Temporal Emotion Encoder for Speech Emotion Recognition
International Conference on Learning Representations (ICLR)
Recherche / Montréal
Alaa Nfissi
Apprendre des signaux. Rendre les modèles compréhensibles.
Signal Press BureauPièces choisies ↙
Note dans la marge
Projet de recherche
Fusion émotionnelle par attention croisée
Étudier les relations entre audio, texte et vidéo par attention croisée et fusion des caractéristiques.
Suivre cette question →SIGNAL PRESS BUREAU / RECHERCHE & PRATIQUE
Concordia · TÉLUQ · CRISE
Recherche, logiciel et questions humaines.
Alaa Nfissi est candidat au doctorat en intelligence artificielle et génie des systèmes d’information à l’Université Concordia, à Montréal. Ses recherches relient les représentations apprenables du signal, l’analyse de la parole et des émotions, les modèles interprétables et l’apprentissage multimodal fiable.
Il est assistant de recherche à l’Université TÉLUQ et membre chercheur du CRISE à l’UQAM. Son doctorat est dirigé par Nizar Bouguila et codirigé par Wassim Bouachir. Il est titulaire d’un mastère de recherche de l’École Polytechnique de Tunisie et d’un diplôme d’ingénieur en informatique, spécialité science des données, d’ESPRIT.
Axes de recherche
DOSSIER 01
Axe de recherche
Parole, émotion et contexte humain
Apprendre à partir de la parole en tenant compte de la personne, des conditions d’enregistrement et des limites de l’interprétation.
Ouvrir le dossierDOSSIER 02
Axe de recherche
Représentations apprenables du signal
Ondelettes, paquets d’ondelettes et superlettes fractionnaires : des représentations adaptatives pour l’analyse émotionnelle et l’amélioration de la parole.
Ouvrir le dossierDOSSIER 03
Axe de recherche
Apprentissage interprétable et multimodal
Comprendre les caractéristiques acoustiques et étudier l’interaction de la voix, du langage et des indices visuels dans la reconnaissance des émotions.
Ouvrir le dossierPublications choisies
ARTICLE / 012026
Learnable Fractional Superlets with a Spectro-Temporal Emotion Encoder for Speech Emotion Recognition
International Conference on Learning Representations (ICLR)
Autres articles de cette sélection
- 2025
IEEE Transactions on Affective Computing
SigWavNet: Learning Multiresolution Signal Wavelet Network for Speech Emotion Recognition
Un réseau d’ondelettes multirésolution apprenable associe les représentations du signal brut aux attentions spatiale et temporelle.
- 2025
Applied Intelligence
From unaltered raw waveform to emotion: Synergizing convolutional and gated recurrent networks for holistic speech emotion analysis
Une étude en revue de CNN-n-GRU sur TESS, IEMOCAP et RAVDESS ; la généralisation à la parole spontanée reste une question ouverte.
Au cœur des recherches
DOSSIER 01
actif
Apprentissage temps-fréquence adaptatif
Un dossier reliant ondelettes apprenables, paquets d’ondelettes, débruitage et superlettes fractionnaires.
Ouvrir le dossierDOSSIER 02
actif
Fusion émotionnelle par attention croisée
Étudier les relations entre audio, texte et vidéo par attention croisée et fusion des caractéristiques.
Ouvrir le dossierAu-delà de l’article scientifique
Enseignement et mentorat — Formations invitées à Concordia, ateliers professionnels et recherche étudiante.
Conférences et échanges publics — AQPS, La Presse, Radio-Canada et regards institutionnels sur les travaux.
Logiciels de recherche — Implémentations, documentation et liens vers les études.
Distinction
IEEE International Conference on Semantic Computing
Meilleur article étudiant · ICSC 2024
Attribué à Unlocking the Emotional States of High-Risk Suicide Callers through Speech Analysis, d’Alaa Nfissi, Wassim Bouachir, Nizar Bouguila et Brian Mishara.
Fiche sourceDes questions à partager.
Pour les échanges scientifiques, la collaboration et la réflexion.