文献

J-GLOBAL ID：201902245124742252   整理番号：19A2874122

音響学における機械学習:理論と応用【JST・京大機械翻訳】

Machine learning in acoustics: Theory and applications

著者 (7件)： Bianco Michael J. (Scripps Institution of Oceanography, University of California San Diego, La Jolla, California 92093, USA) ,  Gerstoft Peter (Scripps Institution of Oceanography, University of California San Diego, La Jolla, California 92093, USA) ,  Traer James (Department of Brain and Cognitive Sciences, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, USA) ,  Ozanich Emma (Scripps Institution of Oceanography, University of California San Diego, La Jolla, California 92093, USA) ,  Roch Marie A. (Department of Computer Science, San Diego State University, San Diego, California 92182, USA) ,  Gannot Sharon (Faculty of Engineering, Bar-Ilan University, Ramat-Gan 5290002, Israel) ,  Deledalle Charles-Alban (Department of Electrical and Computer Engineering, University of California San Diego, La Jolla, California 92093, USA)
資料名： Journal of the Acoustical Society of America  (Journal of the Acoustical Society of America)
巻： 146  号： 5  ページ： 3590-3628  発行年： 2019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： 音響データは,生物学と通信から海洋と地球科学までの範囲の分野における科学的および工学的洞察を提供する。著者らは,音響学の分野において,深い学習を含む機械学習(ML)の最近の進歩と変換可能性を調査した。MLは,データにおけるパターンを自動的に検出し利用するために,しばしば統計学に基づいている技術の広いファミリーである。従来の音響と信号処理に比べて,MLはデータ駆動である。十分な訓練データを与えて,MLは特徴と望ましいラベルまたは行動の間の複雑な関係を発見することができて,それ自身の間にある。大量の訓練データにより,MLは人間の音声や残響のような複雑な音響現象を記述するモデルを発見できる。音響学におけるmlは,説得力のある結果と著しい将来の有望性を伴って急速に発展している。最初にMLを紹介し,次に,4つの音響学研究領域におけるML開発を強調した。すなわち,音声処理における音源定位,海洋音響学における音源定位,生物音響学,および日常シーンにおける環境音である。Copyright 2019 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： 海洋 ,  音像定位 ,  信号処理 ,  残響 ,  *音響 ,  *音響学 ,  音声処理 ,  *機械学習
準シソーラス用語： 環境音 ,  海洋音響 ,  訓練データ ,  データ駆動 , 【Automatic Indexing@JST】

分類 (2件)： 音響信号処理  (BB03050C) ,  水中音響応用  (BB03090U)

タイトルに関連する用語 (4件)： 音響学 ,  機械学習 ,  理論 ,  応用