論文の概要: Semi-Supervised Audio Representation Learning for Modeling Beehive Strengths

• arxiv url: http://arxiv.org/abs/2105.10536v1
• Date: Fri, 21 May 2021 18:59:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 14:49:59.921690
• Title: Semi-Supervised Audio Representation Learning for Modeling Beehive Strengths
• Title（参考訳）: 半教師付き音声表現学習によるミツバチ強度のモデル化
• Authors: Tony Zhang, Szymon Zmyslony, Sergei Nozdrenkov, Matthew Smith, Brandon Hopkins
• Abstract要約: ミツバチは私たちの生態系や食品の安全に重要な要因であり、世界の収量の35%に寄与しています。 ミツバチの重要性にもかかわらず、養蜂は人間の労働力と経験に由来するミツバチにのみ依存する。 我々は,音声および環境計測による蜂のモニタリングのための統合ハードウェアセンシングシステムを開発した。 ラベルが限られているにもかかわらず,本モデルは良好に動作し,ビービーブの異なるサウンドプロファイルを特徴付けるのに有用なオーディオ埋め込みを学習できることを示す。
• 参考スコア（独自算出の注目度）: 2.2680266599208765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Honey bees are critical to our ecosystem and food security as a pollinator, contributing 35% of our global agriculture yield. In spite of their importance, beekeeping is exclusively dependent on human labor and experience-derived heuristics, while requiring frequent human checkups to ensure the colony is healthy, which can disrupt the colony. Increasingly, pollinator populations are declining due to threats from climate change, pests, environmental toxicity, making their management even more critical than ever before in order to ensure sustained global food security. To start addressing this pressing challenge, we developed an integrated hardware sensing system for beehive monitoring through audio and environment measurements, and a hierarchical semi-supervised deep learning model, composed of an audio modeling module and a predictor, to model the strength of beehives. The model is trained jointly on audio reconstruction and prediction losses based on human inspections, in order to model both low-level audio features and circadian temporal dynamics. We show that this model performs well despite limited labels, and can learn an audio embedding that is useful for characterizing different sound profiles of beehives. This is the first instance to our knowledge of applying audio-based deep learning to model beehives and population size in an observational setting across a large number of hives.
• Abstract（参考訳）: ミツバチは我々の生態系や食料安全保障に汚染され、世界の農業生産の35%を占めています。 その重要性にも拘わらず、養蜂は人間の労働力と経験に基づくヒューリスティックにのみ依存し、コロニーが健全であることを保証するために頻繁に人間のチェックアップを必要とする。 気候変動や害虫、環境毒性の脅威により、受粉者の人口は減少し、世界の食料安全保障を維持するために、これまで以上に管理が重要になっている。 そこで我々は,この課題に対処すべく,音響・環境計測による養蜂モニタリングのための統合ハードウェアセンシングシステムと,音響モデリングモジュールと予測器からなる階層型半教師付き深層学習モデルを開発し,養蜂の強度をモデル化した。 低レベル音声特徴と概日時力学の両方をモデル化するために、人間の検査に基づく音声再構成と予測損失を共同で訓練する。 このモデルは限定ラベルにもかかわらずよく機能しており、ミツバチの様々な音響プロファイルを特徴付けるのに有用な音声埋め込みを学習できる。 これは、多数のhivにまたがる観察環境でミツバチと個体数をモデル化するために、オーディオベースのディープラーニングを適用するという私たちの知識の最初の例です。

関連論文リスト

• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• On the Utility of Speech and Audio Foundation Models for Marmoset Call Analysis [19.205671029694074]
  本研究は,4,8,16kHzの事前学習帯域において,音声領域と一般音声領域から派生した特徴表現をマーモセットコールタイプおよび発信者分類タスクに対して評価する。 その結果、より高い帯域幅を持つモデルでは性能が向上し、音声や一般音声での事前学習では同等の結果が得られ、スペクトルベースラインよりも改善されることがわかった。
  論文  参考訳（メタデータ） (2024-07-23T12:00:44Z)
• Developing an AI-based Integrated System for Bee Health Evaluation [2.000782513783418]
  ハチは世界の食糧の約3分の1を受粉する。 キノコのコロニーは過去10年間で40%近く減少した。 本研究では,ミツバチの物体検出と健康評価を総合的に行うシステムを提案する。
  論文  参考訳（メタデータ） (2024-01-18T14:06:29Z)
• Transferable Models for Bioacoustics with Human Language Supervision [0.0]
  BioLingualは、対照的な言語-オーディオ事前学習に基づくバイオ音響学の新しいモデルである。 分類群にまたがる1000種以上の呼び出しを識別し、完全なバイオ音響タスクをゼロショットで実行し、自然のテキストクエリから動物の発声記録を検索する。
  論文  参考訳（メタデータ） (2023-08-09T14:22:18Z)
• Analysing the Impact of Audio Quality on the Use of Naturalistic Long-Form Recordings for Infant-Directed Speech Research [62.997667081978825]
  早期言語習得のモデリングは、幼児が言語スキルをブートストラップする方法を理解することを目的としている。 近年の進歩により、より自然主義的なトレーニングデータを計算モデルに利用できるようになった。 音質がこれらのデータに対する分析やモデリング実験にどう影響するかは、現時点では不明である。
  論文  参考訳（メタデータ） (2023-05-03T08:25:37Z)
• Self-supervised models of audio effectively explain human cortical responses to speech [71.57870452667369]
  我々は、自己教師型音声表現学習の進歩に乗じて、人間の聴覚システムの最先端モデルを作成する。 これらの結果から,ヒト大脳皮質における音声処理の異なる段階に関連する情報の階層構造を,自己教師型モデルで効果的に把握できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-27T22:04:02Z)
• Information is Power: Intrinsic Control via Information Capture [110.3143711650806]
  我々は,潜時状態空間モデルを用いて推定したエージェントの状態訪問のエントロピーを最小化する,コンパクトで汎用的な学習目的を論じる。 この目的は、不確実性の低減に対応する環境情報収集と、将来の世界状態の予測不可能性の低減に対応する環境制御の両方をエージェントに誘導する。
  論文  参考訳（メタデータ） (2021-12-07T18:50:42Z)
• 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)
• Modelling Animal Biodiversity Using Acoustic Monitoring and Deep Learning [0.0]
  本稿では,機械学習の最先端技術を用いて,時系列音声信号から特徴を自動的に抽出する手法について概説する。 得られた鳥の歌はメル周波数ケプストラム(MFC)を用いて処理され、後に多層パーセプトロン(MLP)を用いて分類される特徴を抽出する。 提案手法は感度0.74,特異度0.92,精度0.74で有望な結果を得た。
  論文  参考訳（メタデータ） (2021-03-12T13:50:31Z)
• Collective defense of honeybee colonies: experimental results and theoretical modeling [2.519906683279153]
  社会性昆虫のコロニーは、通常、大きな脊椎動物の捕食者と対決する。 ここでは, 個々のハチが異なるアラームフェロモン濃度にどのように反応するか, そして, この進化した反応パターンが群レベルでどのように協調するかを検討する。 実験によって測定されたミツバチの反応パターンを再現し、それを形成する主選択圧を同定することができる。
  論文  参考訳（メタデータ） (2020-10-14T18:00:50Z)
• Noisy Agents: Self-supervised Exploration by Predicting Auditory Events [127.82594819117753]
  本稿では, エージェントが行動の因果的影響を理解することを奨励する, 強化学習(Reinforcement Learning, RL)の本質的なモチベーションを提案する。 ニューラルネットワークを用いて聴覚事象を予測し、予測誤差を本質的な報奨として利用し、RL探索を誘導する。 Atariゲームの実験結果から、我々の新しい本質的な動機は、最先端のベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-07-27T17:59:08Z)

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。