文献

J-GLOBAL ID：201802291826338509   整理番号：18A1489808

Bayes能動学習を用いたオージオグラム推定【JST・京大機械翻訳】

Audiogram estimation using Bayesian active learning

著者 (3件)： Schlittenlacher Josef (Department of Experimental Psychology, University of Cambridge, Downing Street, Cambridge CB2 3EB, United Kingdom) ,  Turner Richard E. (Department of Engineering, University of Cambridge, Trumpington Street, Cambridge CB2 1PZ, United Kingdom) ,  Moore Brian C. J. (Department of Experimental Psychology, University of Cambridge, Downing Street, Cambridge CB2 3EB, United Kingdom)
資料名： Journal of the Acoustical Society of America  (Journal of the Acoustical Society of America)
巻： 144  号： 1  ページ： 421-430  発行年： 2018年 
JST資料番号： C0249A  ISSN： 0001-4966  CODEN： JASMAN  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Bayes能動学習を用いて,迅速かつ正確にオーディオグラムを推定するための2つの方法を開発し,評価した。両方の方法は,周波数の連続関数として閾値の推定を提供した。1つの方法については,各試行において,レベルの減少を伴う6つの連続音を提示し,そのタスクは音のheの数を数えることであった。Gauss過程を分類と最大情報サンプリングに用いて,次の試行のための刺激の周波数とレベルを決定した。他の方法は,Yes/Noタスクを用いた公表された方法に基づいているが,ラップを説明するために拡張された。得られたオーディオグラムを,40耳に対する従来の聴覚図と比較し,そのうち19人は聴覚障害であった。アクティブ学習法に対する閾値推定値は,従来のオーディオグラムに対するものより2から4dB低い(より良い)。これは,より少ない保守的応答基準(与えられた量の感覚情報に対して応答するより大きな意欲)を示す可能性がある。両方のアクティブ学習法は,誤ったボタンプレス(注意の重ね合わせによる)を可能にし,50回未満の試行または4分以内に正確なaudiオグラム推定を提供した。与えられたレベルの精度に対して,計数タスクはYes/Noタスクよりわずかに速かった。Copyright 2018 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 推定量 ,  重合せ ,  プレス ,  Gauss過程 ,  *オーディオ機器 ,  周波数 ,  保全 ,  連続音 ,  聴覚 ,  聴覚障害 ,  音響
準シソーラス用語： 感覚情報 ,  連続関数 ,  *オージオグラム ,  能動学習 , 【Automatic Indexing@JST】

分類 (2件)： 聴覚  (EJ13030M) ,  聴覚・音声モデル  (EL02070Y)

タイトルに関連する用語 (3件)： 能動学習 ,  オージオグラム ,  推定