机器学习算法可以预测跨类发音的情感价值

科学领域:

• 伦理学 伦理学 伦理学
• 生物声学是一种生物声学.
• 机器学习 机器学习

背景情况:

• 动物的发声标志着情绪状态,并根据环境而异.
• 情感沟通可能在物种之间被进化保存.
• 声学分析为跨物种情感比较提供了一个潜在的方法.

研究的目的:

• 使用声学特征在类接触呼叫中区分正负情感价值.
• 在多种类动物中识别情感价值的关键声学预测因素.
• 探索机器学习在理解动物情感交流和福祉方面的潜力.

主要方法:

• 它使用了一种机器学习算法,即 eXtreme Gradient Boosting (XGBoost).
• 分析了七种类动物的联系电话.
• 评估了与持续时间,能量四分位数,基本频率和振幅调制相关的声学变量.

主要成果:

• 在 XGBoost 模型中,在分类情感价值方面,获得了 89.49% 的准确率 (83.90% 的平衡准确率).
• 情绪价值的关键预测因素包括声学变量,反映了持续时间的变化,能量四分位数,基本频率和振幅调制.
• 该研究成功地确定了类动物中积极和消极情绪状态的声学相关性.

结论:

• 声学分析,特别是使用机器学习,可以有效地区分类声调中的情感价值.
• 这种方法提供了关于情感沟通的演变和人类语言起源的见解.
• 这些发现支持开发用于监测动物福利和情绪状态的自动化工具.