<p>到了交配季節(jié)，加利福尼亞海岸的魚(yú)兒會(huì)在傍晚和日出前唱起愛(ài)的歌曲。 他們的聲音不像孤獨(dú)的低吟者那么多，而是合唱，在某些情況下聲音大到從陸地上都能聽(tīng)到。 這是青蛙、昆蟲(chóng)、鯨魚(yú)和其他動(dòng)物在適當(dāng)?shù)臅r(shí)候共享的一種浪漫技巧。</p> <p>&nbsp;</p> <p>對(duì)于大多數(shù)這些人聲改編，副歌都是低頻的。 它們很難與夜間駛過(guò)的船只的聲音區(qū)分開(kāi)來(lái)。</p> <p>&nbsp;</p> <p>然而，生物學(xué)家長(zhǎng)期以來(lái)一直有興趣以了解魚(yú)類(lèi)行為的名義傾聽(tīng)它們的最終目標(biāo)：它們可以通過(guò)確定產(chǎn)卵季節(jié)為漁業(yè)管理提供信息來(lái)幫助保護(hù)魚(yú)類(lèi)種群和海洋健康。</p> <p>&nbsp;</p> <p>現(xiàn)在，加州大學(xué)圣地亞哥分校斯克里普斯海洋學(xué)研究所的科學(xué)家及其同事已經(jīng)開(kāi)發(fā)出一種方法，讓計(jì)算機(jī)可以篩選由被稱(chēng)為 HARP 的現(xiàn)場(chǎng)聲學(xué)記錄包收集的聲音，并比訓(xùn)練有素的人類(lèi)分析師更快地處理它們。 該方法代表了信號(hào)處理領(lǐng)域的重大進(jìn)步，其用途超出了海洋環(huán)境。</p> <p>&nbsp;</p> <p>&ldquo;我希望這種方法能夠幫助其他人更輕松地自動(dòng)分離和檢測(cè)信號(hào)，以便了解魚(yú)類(lèi)交配的地點(diǎn)和時(shí)間。&rdquo;斯克里普斯海洋學(xué)研究生和該研究的主要作者埃拉金說(shuō)。 &ldquo;除了魚(yú)，這種方法可以很容易地應(yīng)用于其他音景，以了解更多關(guān)于青蛙、鳥(niǎo)類(lèi)、蝙蝠和其他動(dòng)物的信息。&rdquo;</p> <p>&nbsp;</p> <p>在美國(guó)國(guó)家海洋和大氣局 在海軍資助的研究中，Kim 及其同事使用一種她稱(chēng)為 SoundScape Learning (SSL) 的技術(shù)將魚(yú)的合唱聲音從整體音景中分離出來(lái)。 SoundScape Learning 將既定的聲音分析方法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，神經(jīng)網(wǎng)絡(luò)是一種基于人腦神經(jīng)元如何實(shí)現(xiàn)認(rèn)知的信息處理范例。</p> <p>&nbsp;</p> <p>研究合著者凱特琳&middot;弗雷澤 (Kaitlin Frasier) 是一名斯克里普斯海洋學(xué)海洋聲學(xué)專(zhuān)家，她在自己的研究中使用人工智能分析海豚的咔噠聲，她說(shuō)，科學(xué)家們經(jīng)常訓(xùn)練機(jī)器尋找海洋中的特定聲音，但音景的強(qiáng)度使這項(xiàng)任務(wù)變得困難。</p> <p>&nbsp;</p> <p>&ldquo;Ella 的方法旨在教會(huì)計(jì)算機(jī)看大局，尋找并學(xué)習(xí)識(shí)別聲音事件，比如進(jìn)入森林而不是樹(shù)木。&rdquo;</p> <p>&nbsp;</p> <p>研究人員稱(chēng)之為&ldquo;去噪&rdquo;，是因?yàn)?SSL 將反復(fù)發(fā)生的事件分開(kāi)，并將它們放入研究人員稱(chēng)之為&ldquo;低秩&rdquo;矩陣中。 這些穩(wěn)定的聲音與瞬態(tài)聲音是分開(kāi)的，例如鯨魚(yú)或船只經(jīng)過(guò)時(shí)發(fā)出的聲音。 魚(yú)合唱每晚都會(huì)進(jìn)行，因此程序?qū)⑺鼈兎湃氲碗A矩陣中。 瞬態(tài)聲音被分類(lèi)到一個(gè)&ldquo;稀疏&rdquo;矩陣中。</p> <p>&nbsp;</p> <p>Kim 和 Frasier 提供了各種隱喻來(lái)幫助非聲學(xué)專(zhuān)家理解這個(gè)概念。 Kim 建議考慮使用交通攝像頭連續(xù)數(shù)小時(shí)記錄一段高速公路的鏡頭。 道路本身將位于低秩矩陣中。 汽車(chē)行駛的視頻被發(fā)送到稀疏矩陣。</p> <p>&nbsp;</p> <p>Frasier 提出，&ldquo;我們不再試圖識(shí)別錄音中的單個(gè)單詞，就像我們?cè)诮纸欠帕艘粋€(gè)麥克風(fēng)，我們現(xiàn)在能夠識(shí)別一小群路過(guò)聊天的人、飛過(guò)的飛機(jī)和燈光 車(chē)輛交通。 該算法正在學(xué)習(xí)通過(guò)審查大量數(shù)據(jù)自行識(shí)別每個(gè)類(lèi)別的聲學(xué)特征。&rdquo;</p> <p>&nbsp;</p> <p>Kim 說(shuō)，節(jié)省的時(shí)間非?？捎^。 在這項(xiàng)研究中，機(jī)器收聽(tīng)了在加利福尼亞海岸收集的 5.3 年的音頻。 一名熟悉該地區(qū)魚(yú)類(lèi)合唱的熟練聲學(xué)家需要一個(gè)月的時(shí)間才能手動(dòng)完成這項(xiàng)工作，但一旦 SSL 得到培訓(xùn)，這個(gè)過(guò)程只需要幾天時(shí)間。</p> <p>&nbsp;</p> <p>該研究發(fā)表在 2023 年 3 月 15 日的《美國(guó)聲學(xué)學(xué)會(huì)雜志》上。 共同作者包括斯克里普斯海洋學(xué)的 Annebelle Kok、Gabrielle Arrieta、Sean Wiggins 和 Simone Baumann-Pickering； 國(guó)家海洋保護(hù)區(qū)基金會(huì)的 Megan McKenna 和 Lindsey Peavey Reeves； 和蒙特利灣水族館研究所的 William Oestreich。</p> <p>&nbsp;</p> <blockquote> <p>注：本文由院校官方新聞直譯，僅供參考，不代表指南者留學(xué)態(tài)度觀點(diǎn)。</p> </blockquote>