Αναγνώριση βιοσήματος οδοντοκητών με συνελικτικά αναδρομικά νευρωνικά δίκτυα

Abstract

Στην εργασία που ακολουθεί εστιάζουμε στην ανάπτυξη υβριδικών συνελικτικών αναδρο- μικών νευρωνικών δικτύων (Convolutional Recurrent Neural Networks) για την κατηγοριοποίηση βιοσημάτων που έχουν συλλεχθεί στην Ελληνική Τάφρο και προέρχονται από δύο είδη κητωδών, φυσητήρες (Physeter macrocephalus) και ζωνοδέλφινα (Stenella coeruleoalba). Μετατρέπουμε τα ηχητικά σήματα σε φασματογραφήματα κλίμακας mel (mel-spectrograms) πριν τα εισάγουμε ως εισόδους σε βαθύ συνελικτικό δίκτυο ResNet που έχει σχεδιαστεί για να εξάγει χρονοσυχνοτικά πρότυπα. Στην κορυφή του δικτύου τοποθετείται ένα στρώμα κατανεμημένο στο χρόνο (time-distributed layer) που ανασχηματίζει τη διάσταση του διανύσματος χαρακτηριστικών για να το εισάγει σε κάποια εκδοχή αναδρομικού νευρωνικού δίκτυου, Long Short-Term Memory (LSTMs) ή Gated Recurrent Units (GRUs) και να αναγνωρίσει σε αυτό μακροπρόθεσμες χρονικές εξαρτήσεις. Αποδεικνύεται ότι το υβριδικό δίκτυο κατηγοριοποιεί με ακρίβεια ηχητικά σήματα σε ένα πρόβλημα ταξινόμησης βιοσημάτων σε κητώδη έναντι περιβάλλοντος θορύβου ενώ επιδεικνύει ισχυρή ικανότητα μάθησης σε πρόβλημα αναγνώρισης που περιλαμβάνει αλληλεπικαλυπτόμενες ηχητικές αναπαραστάσεις. Η προτεινόμενη αρχιτεκτονική επιτυγχάνει να διαχωρίσει το χώρο εισόδου αποδοτικότερα τόσο σε σχέση με παραδοσιακές μεθόδους μηχανικής μάθησης όσο και ως προς αρχιτεκτονικές βάσης που περιέχουν είτε μόνο συνελικτικά δίκτυα είτε μόνο αναδρομικά ή δομές που συνδυάζουν παράλληλα συνελικτικά και αναδρομικά δίκτυα.