MétaCan
Menu
Retour à la cohorte
Enregistrement W1569676305

Detection and characterization of marine mammal calls by parametric modelling

2004· article· en· W1569676305 sur OpenAlexvenueno aff
Anders Johansson, Paul R. White

Notice bibliographique

RevueCanadian acoustics · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésSpectrogramComputer scienceMarine mammalParametric modelNoise (video)Constant false alarm rateParametric statisticsWaveformFalse alarmBioacousticsTime domainSIGNAL (programming language)Filter (signal processing)AlgorithmPattern recognition (psychology)Artificial intelligenceComputer visionMathematicsTelecommunicationsStatisticsEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, we describe a parametric modeling method for detection and characterization o f tonal signals and its application to marine mammal calls.The method tracks dominant frequencies with an adaptive notch filter (ANF), and couples this to a novel, simultaneous detection step.The detection statistic is derived from a measure o f tracking reliability, obtained as a by-product o f the tracking algorithm.Detection therefore comes at little extra computational cost from an algorithm that is fast, simple, and capable of dealing with multiple signals in low signal-to-noise ratios.Frequency estimates are derived directly from the time domain waveform, avoiding the resolution trade-off and other short-comings o f the commonly used spectrogram.The performance of the algorithm is demonstrated on both simulated signals and recordings o f right whale calls.The method is found to be noise robust and capable o f extracting right whale and other calls with a low false alarm rate. s o m m a i r eLe prsent article dcrit une mthode de modlisation paramtrique pour la dtection et la caractrisation des vocalisations tonales de mammifres marins.La mthode consiste poursuivre les frquences dominantes l'aide d'un filtre encoche adaptatif (ANF), coupl une tape de dtection simultane innovatrice.La statistique de dtection est drive d 'une mesure de la fiabilit de poursuite, un sousproduit de l 'algorithme de poursuite.La dtection entrane un cot computationnel additionnel minime, et est la fois rapide, simple, et capable de traiter des signaux multiples et de bas rapports signal sur bruit.Les estimations de frquence sont drives directement du domaine temporel et frquentiel, vitant ainsi les compromis de rsolution de la technique spectrogramme utilise frquemment.Dans une application sur un fichier d 'une dure de 18-min de l'ensemble de donne de l'atelier, il est possible de dtecter quatre vocalisations probables de baleines franches.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,183
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian acousticsMême sujetMarine animal studies overviewTravaux en français237 207