論文の概要: Detection of Seismic Infrasonic Elephant Rumbles Using Spectrogram-Based Machine Learning

• arxiv url: http://arxiv.org/abs/2312.02831v1
• Date: Tue, 5 Dec 2023 15:26:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 15:23:05.532866
• Title: Detection of Seismic Infrasonic Elephant Rumbles Using Spectrogram-Based Machine Learning
• Title（参考訳）: スペクトログラムに基づく機械学習による地下地震象の鳴き声の検出
• Authors: A. M. J. V. Costa, C. S. Pallikkonda, H. H. R. Hiroshan, G. R. U. Y. Gamlath, S. R. Munasinghe, C. U. S. Edussooriya
• Abstract要約: 携帯電話で捉えた地震信号を増幅し、フィルタリングし、デジタル化する電子回路の設計と実装について述べる。 スリランカのゾウ孤児院の空き地で、地震性赤道象の群れが集められた。 また, 地震波の同定における高精度化につながるスペクトルを識別する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents an effective method of identifying elephant rumbles in infrasonic seismic signals. The design and implementation of electronic circuitry to amplify, filter, and digitize the seismic signals captured through geophones are presented. A collection of seismic infrasonic elephant rumbles was collected at a free-ranging area of an elephant orphanage in Sri Lanka. The seismic rumbles were converted to spectrograms, and several methods were used for spectral feature extraction. Using LasyPredict, the features extracted using different methods were fed into their corresponding machine-learning algorithms to train them for automatic seismic rumble identification. It was found that the Mel frequency cepstral coefficient (MFCC) together with the Ridge classifier machine learning algorithm produced the best performance in identifying seismic elephant rumbles. A novel method for denoising the spectrum that leads to enhanced accuracy in identifying seismic rumbles is also presented.
• Abstract（参考訳）: 本論文は, 近赤外地震信号における象の鳴き声の同定に有効な手法を提案する。 ジオフォンで捕捉された地震信号を増幅・フィルタ・デジタル化する電子回路の設計と実装について述べる。 スリランカのゾウ孤児院のフリーランディングエリアで,地震波によるゾウの鳴き声が収集された。 地震波ランブルは分光器に変換され、スペクトル特徴抽出にいくつかの方法が用いられた。 LasyPredictを使って、異なる方法で抽出した特徴を対応する機械学習アルゴリズムに入力し、自動地震波識別のためのトレーニングを行った。 その結果,mfcc (mel frequency cepstral coefficient) とmfcc (mfcc) はリッジ分類器機械学習アルゴリズムを併用し,地震象のランブル同定に最適な性能を示した。 また, 地震波の同定における高精度化につながるスペクトルを識別する新しい手法を提案する。

関連論文リスト

• A Novel Score-CAM based Denoiser for Spectrographic Signature Extraction without Ground Truth [0.0]
  本稿では,Score-CAMをベースとした新しいデノイザを開発し,ノイズスペクトルデータからオブジェクトのシグネチャを抽出する。 特に,本論文では,スペクトルトレーニングデータの学習と生成のための,新たな生成逆ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-28T21:40:46Z)
• Phononic materials with effectively scale-separated hierarchical features using interpretable machine learning [57.91994916297646]
  構造的階層的な音波材料は、複数の周波数範囲にわたるエラストダイナミック波と振動の有望なチューニング性を引き起こしている。 本稿では、各長さスケールの特徴が対象周波数範囲内の帯域ギャップをもたらす階層単位セルを求める。 提案手法は,階層型設計空間における新しい領域の探索を柔軟かつ効率的に行う手法である。
  論文  参考訳（メタデータ） (2024-08-15T21:35:06Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• 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)
• Edge Detection and Deep Learning Based SETI Signal Classification Method [0.0]
  バークレーSETI研究センターの科学者が地球外知的生命体(SETI)を探索中 無線信号をフーリエ変換によりスペクトルに変換し、2次元時間周波数スペクトルで表される信号を分類する。 本稿では,背景雑音がスペクトル分類の精度に与える影響を考察し,新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-29T04:31:48Z)
• Animal inspired Application of a Variant of Mel Spectrogram for Seismic Data Processing [0.0]
  我々は,地震信号から災害を感知できる動物の聴力に,地震データの生周波数を拡大するMelスペクトログラムの変種を提案する。 我々はコンピュータビジョンアルゴリズムとクラスタリングを用いて,未ラベル地震データの分類を行っている。
  論文  参考訳（メタデータ） (2021-09-22T13:41:57Z)
• The potential of self-supervised networks for random noise suppression in seismic data [0.0]
  ブラインド・スポット・ネットワークは地震データにおけるランダムノイズの効率的な抑制効果を示す。 結果は、FXデコンボリューションとCurvelet変換という2つの一般的なランダムな復調手法と比較される。 これは、地震の応用における自己教師あり学習の活用の始まりにすぎないと我々は信じている。
  論文  参考訳（メタデータ） (2021-09-15T14:57:43Z)
• Improved Speech Emotion Recognition using Transfer Learning and Spectrogram Augmentation [56.264157127549446]
  音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。 SERの主な課題の1つは、データの不足である。 本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-05T10:39:39Z)
• 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)
• WaveTransform: Crafting Adversarial Examples via Input Decomposition [69.01794414018603]
  本稿では,低周波サブバンドと高周波サブバンドに対応する逆雑音を生成するWaveTransformを紹介する。 実験により,提案攻撃は防衛アルゴリズムに対して有効であり,CNN間での転送も可能であることが示された。
  論文  参考訳（メタデータ） (2020-10-29T17:16:59Z)

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。