人工ニューラルネットワークを用いた海洋哺乳類のコール識別

最近の研究では、線形スペクトログラム相関フィルター（SCF）を適用して、コククジラ（Balaena mysticetus）の歌の音符を検出したところ、時系列適合フィルターおよび隠れマルコフモデルの両方を上回る性能を示しました。この方法は経験的な重み行列に依存しています。人工ニューラルネットワーク（ANN）の方がさらに優れている可能性があります。なぜなら、(i) 同等の重み行列はトレーニングによって決定され、より最適な解に収束することができ、(ii) ANNは非線形推定器であり、より洗練された応答を具現化できるからです。三層フィードフォワードANNはこの応用に理想的であり、1475の音に実装され、そのうち54%がトレーニングに使用され、46%が「未見」テストデータとして保持されました。訓練されたANNの誤差率は1.5%で、前の方法に比べて2倍の改善を示しました。ANNの隠れニューロンは、トレーニング中に発展した運用パラダイムを明らかにするために調査可能であることが示されています。これらのニューロンの機能は、トレーニングコールのスペクトログラフィック特徴に基づいて決定することができます。さらに、トレーニングの初めに重みをランダムに初期化するのではなく、トレーニング前に隠れニューロンに特定の認識タスクを割り当てることによって、運用パラダイムを制御し、トレーニング時間を短縮することができます。ANNはSCFと比較され、「隠れ」ニューロンと同等の重み行列の役割が議論されます。