适应性代转移学习,以有效地检测抓的声音

科学领域:

• 海洋生物声学 海洋生物声学
• 信号处理 信号处理
• 机器学习 机器学习

背景情况:

• 水下声景是复杂的,使得特定的生物声学信号的检测具有挑战性.
• 是重要的生物声源,但它们的信号可以被环境噪音掩盖.
• 现有的生物声学信号检测方法在杂的现场数据中经常难以准确.

研究的目的:

• 开发和评估一种适应性的代转移学习方法,用于检测的生物声学.
• 提高水下声信号分类的准确性和可靠性.
• 增强区分的声音和各种形式的环境噪音的能力.

主要方法:

• 开发了一个自适应的代转移学习网络.
• 该网络最初是通过预先分类的声和高斯噪声进行训练的.
• 代改进涉及使用从现场数据中分类的环境噪声进行进一步培训.

主要成果:

• 通过代转移学习实现了对分类精度和回忆的显著改进.
• 经过训练的网络成功检测到以前难以通过值方法识别的信号.
• 错误检测率下降,检测概率随着每次代增加.

结论:

• 代转移学习通过结合现场噪声特征来增强训练数据的现实性.
• 拟议的网络为在水下环境中检测具有挑战性的生物声学信号提供了强大的解决方案.
• 这种方法提高了海洋生态系统中生物声学监测的有效性.