論文の概要: Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition
- arxiv url: http://arxiv.org/abs/2103.10166v1
- Date: Thu, 18 Mar 2021 11:01:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-19 13:49:50.641115
- Title: Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition
- Title（参考訳）: 生体音響信号認識のための識別特異スペクトル分類器
- Authors: Bernardo B. Gatto, Juan G. Colonna, Eulanda M. dos Santos, Alessandro
L. Koerich, Kazuhiro Fukui
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 67.4171845020675
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic analysis of bioacoustic signals is a fundamental tool to evaluate
the vitality of our planet. Frogs and bees, for instance, may act like
biological sensors providing information about environmental changes. This task
is fundamental for ecological monitoring still includes many challenges such as
nonuniform signal length processing, degraded target signal due to
environmental noise, and the scarcity of the labeled samples for training
machine learning. To tackle these challenges, we present a bioacoustic signal
classifier equipped with a discriminative mechanism to extract useful features
for analysis and classification efficiently. The proposed classifier does not
require a large amount of training data and handles nonuniform signal length
natively. Unlike current bioacoustic recognition methods, which are
task-oriented, the proposed model relies on transforming the input signals into
vector subspaces generated by applying Singular Spectrum Analysis (SSA). Then,
a subspace is designed to expose discriminative features. The proposed model
shares end-to-end capabilities, which is desirable in modern machine learning
systems. This formulation provides a segmentation-free and noise-tolerant
approach to represent and classify bioacoustic signals and a highly compact
signal descriptor inherited from SSA. The validity of the proposed method is
verified using three challenging bioacoustic datasets containing anuran, bee,
and mosquito species. Experimental results on three bioacoustic datasets have
shown the competitive performance of the proposed method compared to commonly
employed methods for bioacoustics signal classification in terms of accuracy.
- Abstract（参考訳）: 生体音響信号の自動解析は、我々の惑星の活力を評価する基本的なツールである。
例えば、フグやハチは環境変化に関する情報を提供する生物学的センサーのように振る舞う。
このタスクは環境モニタリングの基本であり、不均一な信号長処理、環境騒音によるターゲット信号の劣化、機械学習のトレーニングのためのラベル付きサンプルの不足など、多くの課題をまだ抱えている。
そこで本研究では, 分析・分類に有用な特徴を効率的に抽出するための識別機構を備えたバイオ音響信号分類器を提案する。
提案する分類器は、大量のトレーニングデータを必要としず、非一様信号長をネイティブに処理する。
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SSA(Singular Spectrum Analysis)を適用したベクトル部分空間に変換することに依存する。
次に、サブスペースは、識別的特徴を露出するように設計される。
提案モデルは、現代の機械学習システムで望ましいエンドツーエンド機能を共有する。
本発明は、生体音響信号の表現と分類のためのセグメンテーションフリーでノイズ耐性なアプローチと、ssaから受け継いだ高度にコンパクトな信号記述子を提供する。
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。
3つのバイオ音響データセットによる実験結果から, 生体音響信号の高精度分類法と比較して, 提案手法の競合性能が示された。
関連論文リスト
- All Thresholds Barred: Direct Estimation of Call Density in Bioacoustic
Data [1.7916003204531015]
本研究では,データ単位の呼び出し密度を推定するための検証手法を提案する。
我々はこれらの分布を用いて、分布シフトの対象となるサイトレベルの密度を予測する。
論文 参考訳（メタデータ） (2024-02-23T14:52:44Z) - BioDiffusion: A Versatile Diffusion Model for Biomedical Signal
Synthesis [4.765541373485142]
BioDiffusionは生物医学信号の合成に最適化された拡散に基づく確率モデルである。
我々の研究は、合成されたデータ品質の質的および定量的評価の両方を包含する。
論文 参考訳（メタデータ） (2024-01-12T23:52:44Z) - BIOT: Cross-data Biosignal Learning in the Wild [36.22753628246332]
バイオシグナーの現在のディープラーニングモデルは、通常、特定のデータセットと臨床設定に特化している。
メソッドモデルは汎用的で、異なるデータセットにわたる様々な生体信号学習設定に適用できる。
論文 参考訳（メタデータ） (2023-05-10T19:26:58Z) - Structural Vibration Signal Denoising Using Stacking Ensemble of Hybrid
CNN-RNN [0.0]
近年,生物工学の分野では振動信号の利用が増加している。
足音による振動は、人体や動物などの生体系の運動を分析するのに有用である。
本稿では,複数信号のアンサンブルと,再帰的および畳み込み型ニューラルネットワーク予測の両方を活用する新しいアンサンブルモデルを提案する。
論文 参考訳（メタデータ） (2023-03-11T00:49:45Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
本稿では,ラベルノイズの存在下での分類の問題に対処する。
提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。
提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
論文 参考訳（メタデータ） (2021-11-22T15:49:20Z) - 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) - Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。
本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
論文 参考訳（メタデータ） (2020-05-10T06:11:13Z) - Unsupervised Domain Adaptation for Acoustic Scene Classification Using
Band-Wise Statistics Matching [69.24460241328521]
機械学習アルゴリズムは、トレーニング(ソース)とテスト(ターゲット)データの分散のミスマッチの影響を受けやすい。
本研究では,ターゲット領域音響シーンの各周波数帯域の1次及び2次サンプル統計値と,ソース領域学習データセットの1次と2次サンプル統計値との整合性を有する教師なし領域適応手法を提案する。
提案手法は,文献にみられる最先端の教師なし手法よりも,ソース・ドメインの分類精度とターゲット・ドメインの分類精度の両面で優れていることを示す。
論文 参考訳（メタデータ） (2020-04-30T23:56:05Z) - A Multi-view CNN-based Acoustic Classification System for Automatic
Animal Species Identification [42.119250432849505]
無線音響センサネットワーク(WASN)のためのディープラーニングに基づく音響分類フレームワークを提案する。
提案フレームワークは,無線センサノードの計算負担を緩和するクラウドアーキテクチャに基づいている。
認識精度を向上させるために,多視点畳み込みニューラルネットワーク(CNN)を設計し,短期・中期・長期の依存関係を並列に抽出する。
論文 参考訳（メタデータ） (2020-02-23T03:51:08Z)
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。