ЗАСТОСУВАННЯ АНСАМБЛЕВОГО НАВЧАННЯ В ЗАДАЧАХ КЛАСИФІКАЦІЇ АКУСТИЧНИХ ДАНИХ

Анотація

Сьогодні розробка машин з чуттєвими можливостями, такими як зір та слух, є однією з визнаних складних проблем у техніці та інформатиці. Системи, які мають можливість визначати сенс з аудіовізуальної інформації, усе частіше використовуються як в науковій галузі, так і в промисловості. Отже, безумовно, є необхідність у ефективних підходах для автоматичного розпізнавання звукових, графічних та відеоданих. На думку авторів, методи машинного навчання мають бути висвітлені насамперед в цьому контексті як найбільш популярні та перспективні засоби розробки подібних проблем. У запропонованій статті розглядаються моделі та методи машинного навчання, що використовуються для вирішення проблеми класифікації акустичних даних різного походження, таких як мова, музика, звуки природи тощо. Одним з практично важливих напрямів у рамках даного сімейства проблем є розробка систем машинного слуху. Іншим, особливо важливим напрямом є розробка автоматизованих систем призначення міток звукозаписам (оцінка схожості треків, системи рекомендацій музичних записів тощо), де під «міткою» розуміється коротке ім’я, яке певним чином характеризує звуковий файл. Важливо зазначити, що для вирішення вищезгаданих проблем не існує єдиного підходу. Отже, необхідно проводити більш детальний аналіз різних методів машинного навчання. В основному процес автоматизованого класифікування звуку можна розділити на чотири етапи: обробку аудіоданих, вилучення характеристик, застосування алгоритмів машинного навчання та оцінку точності. На етапі аудіопредставлення вихідний акустичний сигнал піддається сегментації на короткі фрагменти за допомогою деякої віконної функції. Загальний підхід тут полягає в тому, щоб перетворити акустичний сигнал на кадри певної довжини. Отримання компактного зображення акустичних характеристик сигналу є метою стадії вилучення характеристик. На цьому етапі використовуються спеціальні коефіцієнти, такі як швидкість нульового переходу, форма спектра, короткочасні перетворення Фур’є, мел-частотні кепстральні коефіцієнти тощо. Аудіокласифікація традиційно включає такі методи машинного навчання, як метод K-середніх, SVM, KNN, дерева рішень та інші. Протягом останніх двох десятиліть методика глибокого навчання також отримала популярність для задач класифікації. У цьому контексті слід звернути увагу на методи, засновані на згорткових та рекурентних нейронних мережах. Глибокі нейронні мережі можуть мати достатню точність при роботі як з вихідним акустичним сигналом, так і з набором вилучених характеристик. Своєю чергою етап оцінки точності використовує методи оцінки якості побудованої моделі. У роботі пропонується короткий огляд сучасних методів машинного навчання та методів, що використовуються для автоматичної класифікації акустичних даних. Наведено математичні основи методів машинного навчання та проаналізовано їх сильні та слабкі сторони. Розроблено модель та її програмну реалізацію для класифікації акустичних даних на основі згорткових нейронних мереж та побудови ансамблю нейронних мереж.