論文の概要: Effects of interpulse-interval variation on deep-learning classification of bat vocalizations

• arxiv url: http://arxiv.org/abs/2610.02284v1
• Date: Thu, 01 Oct 2026 14:01:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.026526
• Title: Effects of interpulse-interval variation on deep-learning classification of bat vocalizations
• Title（参考訳）: コウモリ発声の深層学習分類におけるインパルス-インターバル変動の影響
• Abstract要約: インターパルス間隔(IPI)の変動が種別情報を提供するかどうかを検討した。 欧州のコウモリの記録からマッチした2つのデータセットを作成しました。 自然のIPI変異がコウモリの分類に大きく寄与するという仮説に対する支持は限定的であった。
• 参考スコア（独自算出の注目度）: 2.846561253333858
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Temporal context may aid automated bat-species classification, but the contribution of specific features remains unclear. We investigated whether variation in the interpulse interval (IPI)-the time between consecutive call onsets-provides species-discriminative information and whether transformer-based models are more sensitive to this information than convolutional neural networks. We created two matched datasets from European bat recordings: a natural-IPI condition retaining the original call timing and a normalized-IPI condition in which call onsets were spaced at 50-ms intervals. EfficientNet-B0 and PaSST were fine-tuned and evaluated within each condition. In an additional experiment, each architecture was trained separately on natural-IPI and normalized-IPI recordings, and evaluated on the same natural-IPI test set. Finally, the pretrained classifiers BatDetect2 and BAT were evaluated on both conditions. Within-condition IPI normalization had model-dependent effects. PaSST accuracy differed little between the natural-IPI ($71 \pm 2.3\%$) and normalized-IPI ($70 \pm 6.3\%$) conditions, whereas EfficientNet accuracy increased from $47 \pm 4.7\%$ to $57 \pm 3.9\%$. PaSST exceeded EfficientNet under both conditions. In the cross-condition evaluation, models trained on natural-IPI recordings outperformed those trained on normalized-IPI recordings on the natural-IPI test set: accuracy decreased from 54% to 50% for EfficientNet and from 65% to 57% for PaSST. BatDetect2 and BAT differed little between IPI conditions. Overall, we found limited support for the hypotheses that natural IPI variation contributes substantially to bat-species classification and that it is used more effectively by transformer-based than CNN-based models. Nevertheless, the cross-condition performance decrease shows that results obtained under normalized conditions may not transfer fully to natural recordings.
• Abstract（参考訳）: 時間的文脈はコウモリ亜種の自動分類に役立つかもしれないが、特定の特徴の寄与はいまだ不明である。 本研究は, インターパルス間隔(IPI)の変動が, 連続呼び出しオンセット間の時間変化によって種識別情報が得られるか, トランスフォーマーモデルの方が畳み込みニューラルネットワークよりもこの情報に敏感であるかを検討した。 欧州のコウモリ記録から一致した2つのデータセットを作成した。元々のコールタイミングを保持する自然IPI条件と,50ms間隔でコールオンセットを空間化する正規化IPI条件である。 効率の良いNet-B0とPaSSTを微調整し,各条件で評価した。 追加実験では、各アーキテクチャは自然IPIと正規化IPIで別々に訓練され、同じ自然IPIテストセットで評価された。 最後に, 事前訓練した分類器BatDetect2とBATを両条件で評価した。 条件内IPI正規化はモデル依存効果を持つ。 PaSSTの精度は、自然IPI (71 \pm 2.3\%$) と正規化IPI (70 \pm 6.3\%$) の条件とはほとんど異なり、効率の良いネットの精度は、47 \pm 4.7\%$ から 57 \pm 3.9\%$ に増加した。 PaSSTは両方の条件下でEfficientNetを上回った。 クロスコンディション評価では、Natural-IPIレコードでトレーニングしたモデルが、Natural-IPIテストセットでトレーニングしたモデルよりも優れ、精度はEfficientNetで54%から50%、PaSSTで65%から57%に低下した。 BatDetect2とBATはIPI条件とはほとんど異ならなかった。 全体としては,天然のIPI変異がコウモリの分類に大きく寄与し,CNNモデルよりもトランスフォーマーモデルの方が有効であるという仮説に対する支持が限られている。 それでも、クロスコンディション性能の低下は、正規化条件下で得られた結果が自然記録に完全に移行できないことを示している。

関連論文リスト

• AERIAL: Adversarial Evaluation of Robustness in Accuracy-Preserving Low-Precision EEG Decoders [2.717526933594264]
  展開指向圧縮は、資源制約された脳-コンピュータにとって魅力的である。 脳波デコーダの直接堅牢性, 対向移動, 展開効率は, 圧縮された脳波デコーダの異なる特性であることを示す。
  論文  参考訳（メタデータ） (2026-09-24T16:07:01Z)
• Custom Named Entity Recognition and Topic Classification for Global Health Publications [0.3823356975862005]
  この論文は、セマンティックタグ発見、名前付きエンティティ認識(NER)、マルチラベルトピック分類の実験を通じて課題を調査する。 まず, プログレッシブな特殊コーパスをトレーニングしたスキップグラム word2vec モデルを BioWordVec と比較し, コーパスサイズとドメインコンテキストがタグ発見に与える影響を評価する。 この分析結果はエンティティ抽出に変わり、1000の注釈付き文で畳み込みのspurCyモデルとRoBERTaベースの変換器を比較した。
  論文  参考訳（メタデータ） (2026-09-21T14:09:53Z)
• Parameter-Efficient Self-Supervised Adaptation for EEG-FM under Fixed Computational Budgets [0.12891210250935145]
  目的タスクに表現を合わせるのに十分なパラメータの9%しか更新していないパラメータ効率の自己教師型適応について検討する。 事前学習目的の異なる2つの最先端モデルに対して,本手法の評価を行った。 SSL適応は、線形プローブよりも、最大20倍のAUCPRで一貫した利得が得られる。
  論文  参考訳（メタデータ） (2026-08-25T15:38:46Z)
• Denoised Variance-Based Pruning with Optimal Brain Bias Compensation [45.88028371034407]
  VBP(Variance-Based Pruning)は、ニューロンを活性化分散に基づいて選択することで有望なパラダイムを導入した。 Denoized Variance-based Pruning with Optimal Brain Bias Compensation (DVBP + OB$2$C)を紹介する。 最先端のトレーニングフリーのパフォーマンスを実現し、50%のプルーニングで、オリジナルのTop-1の精度の90%以上を維持できる。
  論文  参考訳（メタデータ） (2026-08-18T11:23:49Z)
• Transformer-Based Active Learning for Data-Efficient Vaccine Epitope Selection in PRRS [0.0]
  9-mersと保存状態の良いブタ抗原受容体の高結合親和性のインスタンスを分類するための機械学習手法の評価を行った。 本研究では,9-mersと保存状態の良いブタ抗原受容体の高結合親和性のインスタンスを分類するために,能動学習の変種を用いて機械学習(ML)アプローチを評価する。
  論文  参考訳（メタデータ） (2026-06-27T00:29:29Z)
• RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
  固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。 本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。 累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
  論文  参考訳（メタデータ） (2026-06-23T02:11:04Z)
• Ultra-Light Test-Time Adaptation for Vision--Language Models [0.6816905600359814]
  CLIPのような視覚言語モデル(VLM)は、画像埋め込みとテキスト由来のクラスプロトタイプを比較することで、強力なゼロショット認識を実現する。 ドメインシフトでは、特徴の漂流、クラスプライアミスマッチ、深刻な誤診に悩まされる。 バックボーンを凍結し,ロジットレベルのパラメータのみを適応させる,完全トレーニングフリーでバックプロップフリーなフレームワークであるUltra-Light Test-Time Adaptation (UL-TTA)を提案する。
  論文  参考訳（メタデータ） (2025-11-12T08:19:57Z)
• A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive Coding Networks [65.34977803841007]
  予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。 シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
  論文  参考訳（メタデータ） (2022-11-16T00:11:04Z)
• Event-Triggered Time-Varying Bayesian Optimization [47.30677525394649]
  本稿では,対象関数の変化を検出してデータセットをリセットするまで,最適化問題を静的に扱うイベントトリガーアルゴリズムET-GP-UCBを提案する。 これにより、アルゴリズムは正確な事前知識を必要とせずに、オンラインで時間変化を実現することができる。 時間的変化を正確に知ることなく、適応的リセットに対する後悔境界を導出し、ET-GP-UCBが合成データと実世界のデータの両方で競合するGP-UCBアルゴリズムより優れていることを示す数値実験を行った。
  論文  参考訳（メタデータ） (2022-08-23T07:50:52Z)
• Test-time Batch Statistics Calibration for Covariate Shift [66.7044675981449]
  我々は,推論中に深層モデルを新しい環境に適応させることを提案する。 バッチ統計の校正に$alpha$-BNの一般的な定式化を提案する。 また、統合テスト時間適応フレームワークCoreを形成するための新しい損失関数も提示する。
  論文  参考訳（メタデータ） (2021-10-06T08:45:03Z)

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。