論文の概要: Expert decision support system for aeroacoustic classification
- arxiv url: http://arxiv.org/abs/2103.00255v1
- Date: Sat, 27 Feb 2021 15:47:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 17:04:21.723813
- Title: Expert decision support system for aeroacoustic classification
- Title（参考訳）: 航空音響分類のエキスパート決定支援システム
- Authors: Armin Goudarzi, Carsten SPehr, Steffen Herbold
- Abstract要約: このシステムは、スペクトル情報と空間情報に基づく音響特性の計算、2これらの特性に基づくソースのクラスタリングの2つのステップで構成されています。
スペクトルの特性と特性を捉えた様々なエアロ音響特性が提案されている。
与えられたサンプルデータに対して、この方法は、ソースタイプの人間エキスパート分類に対応するソースタイプクラスタを生成する。
- 参考スコア（独自算出の注目度）: 7.444673919915048
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents an expert decision support system for time-invariant
aeroacoustic source classification. The system comprises two steps: first, the
calculation of acoustic properties based on spectral and spatial information;
and second, the clustering of the sources based on these properties. Example
data of two scaled airframe half-model wind tunnel measurements is evaluated
based on deconvolved beamforming maps. A variety of aeroacoustic features are
proposed that capture the characteristics and properties of the spectra. These
features represent aeroacoustic properties that can be interpreted by both the
machine and experts. The features are independent of absolute flow parameters
such as the observed Mach numbers. This enables the proposed method to analyze
data which is measured at different flow configurations. The aeroacoustic
sources are clustered based on these features to determine similar or atypical
behavior. For the given example data, the method results in source type
clusters that correspond to human expert classification of the source types.
Combined with a classification confidence and the mean feature values for each
cluster, these clusters help aeroacoustic experts in classifying the identified
sources and support them in analyzing their typical behavior and identifying
spurious sources in-situ during measurement campaigns.
- Abstract（参考訳）: 本稿では,時間不変な空力音源分類のためのエキスパート意思決定支援システムを提案する。
このシステムは、スペクトル情報と空間情報に基づく音響特性の計算、2これらの特性に基づくソースのクラスタリングの2つのステップで構成されています。
2つのスケールドエアフレームの半模型風洞計測の例データをデコンボレードビームフォーミングマップに基づいて評価した。
スペクトルの特性と特性を捉えた様々なエアロ音響特性が提案されている。
これらの特徴は、機械と専門家の両方が解釈できるエアロ音響特性を表す。
これらの特徴は観測されたマッハ数のような絶対フローパラメータとは独立である。
これにより,異なるフロー構成で測定したデータを解析することができる。
空気音響源はこれらの特徴に基づいてクラスター化され、類似または非定型的な挙動を決定する。
与えられたサンプルデータに対して、この方法は、ソースタイプの人間エキスパート分類に対応するソースタイプクラスタを生成する。
これらのクラスターは、分類の信頼性と各クラスタの平均特徴値と組み合わせることで、特定されたソースを分類し、典型的な行動を分析し、測定キャンペーン中にスプリアスソースをリアルタイムで識別するのに役立ちます。
関連論文リスト
- Audio Classification of Low Feature Spectrograms Utilizing Convolutional Neural Networks [0.0]
本稿では,データ分布の低い音声スペクトログラムを解析するための機械学習手法をいくつか提案する。
特に,二分法,一級法,シムズ法を用いて特徴を抽出する新しい畳み込みアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-10-28T21:48:57Z) - Deep Spectro-temporal Artifacts for Detecting Synthesized Speech [57.42110898920759]
本稿では,トラック1(低品質フェイク音声検出)とトラック2(部分フェイク音声検出)の総合評価を行う。
本稿では, 原時間信号, スペクトル特性, 深層埋没特性を用いて, 分光時相アーティファクトを検出した。
我々はそれぞれ1番線と2番線で4位と5位にランクインした。
論文 参考訳（メタデータ） (2022-10-11T08:31:30Z) - Spatio-temporally separable non-linear latent factor learning: an
application to somatomotor cortex fMRI data [0.0]
潜在因子の脳全体の発見が可能なfMRIデータのモデルについて検討する。
空間重み付けを効率化するための新しい手法は、データの高次元性とノイズの存在に対処するために重要である。
本手法は,複数のモーターサブタスクを用いたデータを用いて,モデルが各サブタスクに対応する非絡み合った潜在因子を捕捉するかどうかを評価する。
論文 参考訳（メタデータ） (2022-05-26T21:30:22Z) - Selecting the suitable resampling strategy for imbalanced data
classification regarding dataset properties [62.997667081978825]
医学、情報検索、サイバーセキュリティ、ソーシャルメディアなどの多くのアプリケーションドメインでは、分類モデルの導入に使用されるデータセットは、各クラスのインスタンスの不平等な分布を持つことが多い。
この状況は不均衡データ分類と呼ばれ、少数民族の例では予測性能が低い。
オーバーサンプリングとアンダーサンプリングの技術は、各クラスの例の数とバランスをとることでこの問題に対処する、よく知られた戦略である。
論文 参考訳（メタデータ） (2021-12-15T18:56:39Z) - On the Frequency Bias of Generative Models [61.60834513380388]
我々は、最先端のGANトレーニングにおいて、高周波アーティファクトに対する提案手法を解析した。
既存のアプローチでは、スペクトルアーティファクトを完全に解決できないことが分かっています。
以上の結果から,識別能力の向上に大きな可能性があることが示唆された。
論文 参考訳（メタデータ） (2021-11-03T18:12:11Z) - Visualizing Classifier Adjacency Relations: A Case Study in Speaker
Verification and Voice Anti-Spoofing [72.4445825335561]
任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。
ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。
提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
論文 参考訳（メタデータ） (2021-06-11T13:03:33Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z) - Automatic source localization and spectra generation from sparse
beamforming maps [7.444673919915048]
本稿では,スパースビームフォーミングマップにおけるエアロ音響音源の自動識別を可能にする2つの手法を提案する。
この手法は2つのスケールドエアフレームの半模型風洞実験で評価された。
論文 参考訳（メタデータ） (2020-12-16T16:15:49Z) - Capturing scattered discriminative information using a deep architecture
in acoustic scene classification [49.86640645460706]
本研究では,識別情報を捕捉し,同時に過度に適合する問題を緩和する様々な手法について検討する。
我々は、ディープニューラルネットワークにおける従来の非線形アクティベーションを置き換えるために、Max Feature Map法を採用する。
2つのデータ拡張方法と2つの深いアーキテクチャモジュールは、システムの過度な適合を減らし、差別的なパワーを維持するためにさらに検討されている。
論文 参考訳（メタデータ） (2020-07-09T08:32:06Z) - Coarse-Grain Cluster Analysis of Tensors with Application to Climate
Biome Identification [0.27998963147546146]
離散ウェーブレット変換を用いて、粗粒化がクラスタリングテンソルデータに与える影響を分析する。
我々は特に、地球の気候システムのスケール効果のクラスター化について理解することに興味を持っている。
論文 参考訳（メタデータ） (2020-01-22T00:28:58Z) - On the Mutual Information between Source and Filter Contributions for
Voice Pathology Detection [11.481208551940998]
本稿では,音声信号から直接音声の病状を自動的に検出する問題に対処する。
音声や声帯信号に関連があるか,韻律に関連があるかによって,3つの特徴セットが提案される。
論文 参考訳（メタデータ） (2020-01-02T10:04:37Z)
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。