Issues in the use of acoustic cues for auditory scene analysis
Notice bibliographique
Résumé
Issues concerning auditory scene analysis (ASA) raised by the previous speakers will be discussed: (1) Disorders of ASA in humans can tell us about the weighting of cues in ASA. (2) The apparent weakness of spatial cues for ASA may simply show that they interact strongly with other ASA cues (c.f., recent research in the author’s lab). (3) The power of harmonic relations among partials as a grouping cue is not guaranteed, but depends on many other factors. (4) Abstract models of ASA may require the peripheral auditory system to carry out analyses that are questionable, based on current psychophysical and physiological findings. Is this where psychologists and computational ASA (CASA) modelers part company? (5) The ‘‘old-plus-new heuristic,’’ one of the most potent ASA mechanisms, is neglected by existing CASA models. (6) The different roles of bottom-up and top-down processes (e.g., in ‘‘exclusive allocation’’ of sensory evidence) should be reflected in models. (7) Should the output of a CASA system be the reconstructed signal of a single source, as a front end to a recognition system, or should grouping mechanisms merely form an interacting part of a larger system that outputs a higher-level description (e.g., a series of words)?
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,023 |
| Communication savante | 0,017 | 0,028 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».