Если Вы – любитель птиц, Вы можете выбрать “птенца ДИ Ди” песня синицы-гаички Каролины только с небольшой практикой. Но если Вы – ученый – эколог, сталкивающийся с парсингом тысяч часов регистрации пений птиц в лаборатории, Вы могли бы хотеть включить в список некоторую помощь своего компьютера. Новый подход к пограммированной классификации пения птиц заимствует методы из человеческого программного обеспечения голосовой идентификации для сортировки звуков сотен разновидностей и решает самостоятельно, какие особенности делают каждого уникальным.
Коллекционеры звуков животных сталкиваются с потоком данных. Благодаря дешевым устройствам цифровой записи, которые могут отловить звук в течение многих дней в области, “действительно, действительно легко собрать звук, но действительно трудно проанализировать его”, говорят Аарон Райс, исследователь биоакустики в Корнелльском университете, не вовлеченный в новую работу. Его лаборатория собрала 6 миллионов часов подводной регистрации, от которой они надеются выбрать звуки подписи различных морских млекопитающих.
Знание, где и когда определенная разновидность напевает, могло бы помочь ученым понять предпочтения естественной среды, отследить их движения или изменения популяции, и признать, когда разновидность разрушена развитием человека. Но вести этот подробный учет, исследователи полагаются на программное обеспечение, которое может надежно отсортировать неблагозвучие, которое они отлавливают в области. Как правило, ученые строят одну компьютерную программу, чтобы признать одну разновидность, и затем начаться на всем протяжении для другой разновидности, говорит Райс.
Обучение компьютер для признания большого количества разновидностей в одном проходе является “проблемой, перед которой мы все оказываемся”.Та проблема еще больше в птичьем мире, говорит Дэн Стауэлл, программист в королеве Мэри Лондонский университет, изучивший человеческий голосовой анализ прежде, чем обратить его внимание к верхушкам деревьев. “Я понял, что существует довольно много нерешенных проблем в пении птиц”, говорит Стауэлл, который является ведущим автором на новой бумаге. Среди самых больших проблем: существуют сотни разновидностей с отличными и сложными требованиями — и в тропических горячих точках, многие из них поют внезапно.
Большинство методов для классификации пения птиц полагается на человека для определения, какие особенности отделяют одну разновидность от другого. Например, если исследователи знают, что чириканье синицы-гаички находится в пределах предсказуемого диапазона частот, они могут программировать компьютер для признания звуков в том диапазоне как синица-гаичка-esque.
Компьютер поправляется и лучше при решении, как использовать эти функции для классификации новой звуковой скрепки, на основе «учебных» раундов, где это исследует скрепки с разновидностями, уже правильно маркированными.В новой газете Стауэлл и его коллега королевы Мэри, программист Марк Пламбли, использовали другой подход, известный как безнадзорное обучение.
Вместо того, чтобы говорить компьютер, какие особенности пения птиц будут важными, они позволяют ему решить для себя, так сказать. Компьютер должен выяснить, “что является частями мозаики”, составляющими любое пение птиц, которое он слышит, говорит Стауэлл. Например, некоторые части мозаики, которые это выбирает, являются долей секунды upsweeps или downsweeps в частоте — острые изменения подачи, составляющие щебет. После наблюдения правильно маркированных примеров, из которых разновидности производят, какие виды звуков, программа может выложить список — оцененный в порядке уверенности — разновидностей, это думает, присутствуют в регистрации.
Stowell и Plumbley проверили этот подход к нескольким естественной регистрации, включая пение птиц из Архива Звука Британской библиотеки и большой набор данных, зарегистрированный в Бразилии (77 часов; 501 разновидность), который был публично выпущен как часть ежегодной проблемы классификации, организованной Чешуйчатым Акустическим проектом платформы Биоразнообразия. Их безнадзорный подход выполнил лучше, чем более традиционные методы классификации — тех на основе ряда предопределенных особенностей — и управляемый для достижения точности на 85,4% в большом бразильском наборе данных, сообщают они сегодня в PeerJ.Точность новой системы была далека от избиения главных новых компьютерных программ, проанализировавших те же наборы данных для ежегодных соревнований.
Но Потэмитис Ильяс, программист в Технологическом Образовательном Институте Крита в Греции, говорит, что новая система заслуживает кредита на применение безнадзорного компьютера, учащегося сложному миру пения птиц впервые. Он также предполагает, что этот подход мог быть объединен с другими способами обработать и классифицировать звук, потому что это “может отжать некоторую информацию, которую могут пропустить другие методы”.Точность на восемьдесят пять процентов на выборе больше чем между 500 требованиями и песнями является впечатляющей, Райс говорит и показывает “и биологическое сообщество и компьютерное сообщество, что Вы можете сделать с этими крупными звуковыми архивами”.
Следующий шаг, он говорит, должен проверить технологию с новой регистрацией, чтобы видеть, может ли это держать свое собственное.