独立于物种的分析和识别动物的情感发声

科学领域:

• 生物声学是一种生物声学.
• 动物行为 动物行为
• 机器学习 机器学习

背景情况:

• 动物的发音提供了对情绪状态的洞察力,并且可以取决于上下文.
• 声学标记为跨物种情感比较提供了一个潜在的基础.
• 由于伦理,环境,经济和公共卫生方面的考虑,促进动物健康和福利至关重要.

研究的目的:

• 开发和评估一个深度的神经网络,用于分析和识别代表积极和消极情绪状态的动物发声.
• 创建一个框架来评估不同物种之间的声调之间的关系.
• 通过先进的声学分析,增强对动物情绪和福利的理解.

主要方法:

• 使用了深度神经网络架构,特别是带有卷积层的罗神经网络.
• 该框架运行在log-Mel频谱图上,以保留音频内容.
• 隐藏空间的聚类被用来识别情绪分类的支持集.

主要成果:

• 拟议的深度神经网络有效地分析和识别了与积极和消极情绪相关的动物发声.
• 实验验证实了分类和支持集选择方案的有效性.
• 对网络激活的分析揭示了不同情绪和物种之间声音的明显时间频率差异.

结论:

• 开发的深度学习框架展示了跨物种动物情绪识别的有希望的方法.
• 这种方法有助于通过声调分析来区分情绪状态来理解动物福利.
• 这些发现支持使用声学标记物进行对动物情绪的比较研究.