اعتماد الذكاء الاصطناعي جنبًا إلى جنب مع الروبوت التفاعلي بالـإيماءات في تعليم الإدراك الموسيقي بناءً على طريقة التعلم العميق

تسعى هذه الدراسة إلى تحسين اهتمام الطلاب بتعليم الموسيقى وتعزيز أساليب التدريس الحديثة. تم تصميم نظام تطبيقات موزع للذكاء الاصطناعي مع الروبوت التفاعلي بالـإيماءات من خلال تقنية التعلم العميق وتطبيقه في تعليم الإدراك الموسيقي. أولاً، يتم جمع بيانات تعليمات إيماءات المستخدم من خلال الشبكة العصبية الالتفافية ثنائية القناة (DCCNN). تستخدم هذه الشبكة نواة الالتفاف مزدوجة الحجم لاستخراج معلومات الميزات من الصورة وجمع تعليمات إيماءات إطار الفيديو. ثانيًا، تتعرف شبكة الالتفاف ثنائية التدفق (two-stream CNN) على بيانات تعليمات الإيماءات المجمعة. يتم استخراج المعلومات المكانية والزمنية من صور وضع RGB (RGB) وصور التدفق البصري وإدخالها إلى الشبكة ثنائية التدفق لدمج نتائج التنبؤ من كل شبكة كنتيجة الكشف النهائية. بعد ذلك، يتم تقديم النظام الموزع المستخدم من قِبل الروبوت التفاعلي. يمكن أن تحسن هذه البنية من استقرار الأنظمة التفاعلية وتقلل من متطلبات أداء المعدات المحلية. أخيرًا، تم إجراء تجارب لاختبار شبكة اكتساب وتعريف أوامر الإيماءات وأداء الروبوت التفاعلي بالـإيماءات في الممارسة العملية. تشير النتائج إلى أن الجمع بين أنوية الالتفاف من المعادلة: انظر النص والمعادلة: انظر النص يمكن أن يزيد من دقة التعرف في DCCNN إلى 98% وجمع بيانات تعليمات الإيماءات بشكل فعال. تصل دقة التعرف على الإيماءات لدى الشبكة ثنائية التدفق بعد التدريب إلى 90%، أعلى من خوارزمية التعرف على الإيماءات الديناميكية السائدة التي تم تدريبها بنفس مجموعة البيانات. أخيرًا، تم إجراء اختبار التعرف على تعليمات الإيماءات على الروبوت التفاعلي بالـإيماءات المبلغ عنه في هذه الدراسة. تظهر النتائج أن دقة التعرف على الروبوتات التفاعلية بالإيماءات تتجاوز 90%، مما يلبي احتياجات التفاعل الروتينية. لذلك، يتمتع روبوت الإيماءات التفاعلي بموثوقية واستقرار جيدين ويمكن تطبيقه في تعليم الإدراك الموسيقي. تحمل الأبحاث المبلغ عنها هنا دلالة توجيهية لتأسيس تعليم الموسيقى بأساليب إدراك متعددة.