論文の概要: An Auto Encoder For Audio Dolphin Communication
- arxiv url: http://arxiv.org/abs/2005.07623v1
- Date: Fri, 15 May 2020 16:30:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 23:53:55.626188
- Title: An Auto Encoder For Audio Dolphin Communication
- Title(参考訳): オーディオドルフィン通信のためのオートエンコーダ
- Authors: Daniel Kohlsdorf, Denise Herzing, Thad Starner
- Abstract要約: 教師なしの方法で訓練された畳み込み層と繰り返し層から構築されたオートエンコーダを学習することを提案する。
結果として得られるモデルは、可聴イルカのコミュニケーションにパターンを埋め込む。
- 参考スコア(独自算出の注目度): 4.21342674875681
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Research in dolphin communication and cognition requires detailed inspection
of audible dolphin signals. The manual analysis of these signals is cumbersome
and time-consuming. We seek to automate parts of the analysis using modern deep
learning methods. We propose to learn an autoencoder constructed from
convolutional and recurrent layers trained in an unsupervised fashion. The
resulting model embeds patterns in audible dolphin communication. In several
experiments, we show that the embeddings can be used for clustering as well as
signal detection and signal type classification.
- Abstract(参考訳): イルカのコミュニケーションと認知の研究には、可聴性イルカ信号の詳細な検査が必要である。
これらの信号の手動解析は煩雑で時間を要する。
現代的深層学習手法を用いて分析の一部を自動化することを目指す。
非教師なしの方法で訓練された畳み込み層と再帰層からなるオートエンコーダを学習することを提案する。
結果として得られるモデルは、可聴イルカのコミュニケーションにパターンを埋め込む。
いくつかの実験で、埋め込みが信号検出や信号タイプの分類だけでなく、クラスタリングにも利用できることを示した。
関連論文リスト
- Exploring bat song syllable representations in self-supervised audio encoders [0.0]
いくつかの自己教師型オーディオエンコーダにおけるコウモリの音節の符号化について分析する。
人間の発話に事前学習されたモデルは、異なる音節型の最も独特な表現を生成する。
論文 参考訳(メタデータ) (2024-09-19T10:09:31Z) - Auto deep learning for bioacoustic signals [2.833479881983341]
本研究では,鳥の発声の多クラス分類の精度と効率を高めるために,自動深層学習の可能性について検討した。
西地中海のWetland Birdsデータセットを用いて、自動機械学習フレームワークであるAutoKerasについて検討した。
論文 参考訳(メタデータ) (2023-11-08T07:22:39Z) - Bootstrapping Adaptive Human-Machine Interfaces with Offline
Reinforcement Learning [82.91837418721182]
適応インターフェイスは、ユーザがシーケンシャルな意思決定タスクを実行するのに役立つ。
近年のヒューマン・イン・ザ・ループ・機械学習の進歩により、ユーザとの対話によってこのようなシステムが改善されている。
本稿では,生のコマンド信号をアクションにマッピングするインタフェースを訓練するための強化学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-09-07T16:52:27Z) - Synthesized Speech Detection Using Convolutional Transformer-Based
Spectrogram Analysis [16.93803259128475]
合成音声は、報告された音声信号を作成し、その信号の内容を話さない人に帰属するなど、悪質な目的に使用できる。
本稿では,合成音声検出のためのコンパクト畳み込み変換器を用いて,スペクトル形音声信号の解析を行う。
論文 参考訳(メタデータ) (2022-05-03T22:05:35Z) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳(メタデータ) (2022-03-28T20:29:50Z) - DeepA: A Deep Neural Analyzer For Speech And Singing Vocoding [71.73405116189531]
本稿では,従来のボコーダで定義されている音声をエミュレートする入力音声から,F0と音節/音節/音節のエンコーディングを抽出するニューラルボコーダを提案する。
ディープ・ニューラル・アナライザは学習可能であるため、信号の再構成と操作がより正確であり、音声から歌への一般化が期待できる。
論文 参考訳(メタデータ) (2021-10-13T01:39:57Z) - Diffusion-Based Representation Learning [65.55681678004038]
教師付き信号のない表現学習を実現するために,デノナイズスコアマッチングフレームワークを拡張した。
対照的に、拡散に基づく表現学習は、デノナイジングスコアマッチング目的の新しい定式化に依存している。
同じ手法を用いて,半教師付き画像分類における最先端モデルの改善を実現する無限次元潜在符号の学習を提案する。
論文 参考訳(メタデータ) (2021-05-29T09:26:02Z) - Deep Learning Radio Frequency Signal Classification with Hybrid Images [0.0]
入力トレーニングデータに使用できるさまざまな前処理ステップに注目し、結果を固定されたディープラーニングアーキテクチャでテストする。
本稿では,時間領域情報と周波数領域情報の両方を利用するハイブリッド画像を提案し,コンピュータビジョン問題として分類する。
論文 参考訳(メタデータ) (2021-05-19T11:12:09Z) - Cetacean Translation Initiative: a roadmap to deciphering the
communication of sperm whales [97.41394631426678]
最近の研究では、非ヒト種における音響コミュニケーションを分析するための機械学習ツールの約束を示した。
マッコウクジラの大量生物音響データの収集と処理に必要な重要な要素について概説する。
開発された技術能力は、非人間コミュニケーションと動物行動研究を研究する幅広いコミュニティにおいて、クロス応用と進歩をもたらす可能性が高い。
論文 参考訳(メタデータ) (2021-04-17T18:39:22Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳(メタデータ) (2020-10-29T08:27:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。