AVN:一种深度学习方法来分析鸟类的歌声
Therese M I Koch1, Ethan S Marks1, Todd F Roberts1
1Department of Neuroscience, UT Southwestern Medical Center, Dallas TX, USA.
bioRxiv : the preprint server for biology
|September 4, 2024
概括
我们创建了鸟类发音网络 (AVN),这是一个深度学习工具,用于分析斑马的歌声. AVN提供可解释的功能,用于比较声乐行为,并预测跨研究的歌曲发展阶段.
科学领域:
- 神经科学是一个神经科学.
- 生物声学是一种生物声学.
- 机器学习 机器学习
背景情况:
- 神经科学中的深度学习提供了洞察力,但往往缺乏可解释性和可概括性.
- 由于现有工具的性能妥协,在不同研究中比较行为现象型是具有挑战性的.
研究的目的:
- 开发一个新的深度学习管道,鸟类发音网络 (AVN),用于分析斑马的发音.
- 为歌曲语法,时间和声学生成可解释的特征,使跨数据集的比较成为可能.
- 为研究语音学习及其神经基础创建一个标准化的工具.
主要方法:
- 开发了鸟类发音网络 (AVN),这是一个用于分析鸟类发音的深度学习模型.
- 提取了描述歌曲语法,时间和声学特性的可解释特征.
- 实施了一种新的,数据效率高的方法来测量歌曲模仿精度.
主要成果:
- 在没有重新培训的情况下,AVN在殖民地中高精度地注释斑马的歌曲.
- 生成的可解释特征有助于表型比较和歌曲发展阶段的预测.
- 与现有方法相比,新的歌曲模仿方法显示出更高的灵敏度和与人类判断的一致性.
结论:
- 该AVN工具包提供了可访问的,开源的工具,用于标准化的语音行为分析.
- 通过使现象型和学习成果的强有力的映射,促进研究.
- 旨在加快声乐行为,学习和潜在的神经机制之间的联系.
