MétaCan
Menu
Retour à la cohorte
Enregistrement W2167275890

A comparison of methods for detecting right whale calls

2004· article· en· W2167275890 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueCanadian acoustics · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchNational Oceanic and Atmospheric Administration
Mots-clésSpectrogramRight whaleArtificial neural networkSet (abstract data type)Computer scienceRange (aeronautics)Speech recognitionTest setArtificial intelligenceTraining setData setTask (project management)Sample (material)WhalePattern recognition (psychology)EngineeringFishery
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

North Atlantic, North Pacific, and southern right whales all produce the up call, a frequency-modulated upsweep in the 50-200 Hz range.This call is one o f the most common sounds, and frequently the most common sound, received from right whales, and as such is a useful indicator o f the presence o f right whales for acoustic surveys.A data set was prepared o f 1857 calls and 6359 non-call sounds recorded from North Atlantic right whales (Eubalaena glacialis) near Georgia and Massachusetts.Two methods for the detection o f the calls were compared: spectrogram correlation and a neural network.Spectrogram correlation parameters were chosen two ways, by manual choice using a sample o f 20 calls, and by an optimization procedure that used all available calls.Neural network weights were trained via backpropagation on 9/10 o f the test data set.Performance was measured separately for calls of different signal-to-noise ratio, as SNR heavily influences the performance o f any detector.Results showed that the neural network performed best at this task, achieving an error rate o f less than 6%, and is thus the preferred detection method here.Spectrogram correlation may be useful in situations in which a large set o f training data is not available, as manual training on a small set o f examples achieved an error rate (26%) that may be acceptable for many applications. s o m m a i r eLes baleines franches de l'Atlantique Nord, du Pacific Nord et Sud produisent toutes une vocalisation montante, soit un balayage ascendant modul en frquence dans la rgion de 50 200 Hz.Cette vocalisation est un des sons les plus communs produit par les baleines franches et, par le fait mme, est un indicateur trs utile de la prsence des baleines lors de sondages acoustiques.Un ensemble de donnes a t prpar avec 1857 vocalisations et 6359 sons non vocaliss enregistrs auprs de baleines franches de l 'Atlantique Nord (Eubalaena glacialis) prs de la Georgie et du Massachusetts.Deux mthodes de dtection des vocalisations ont t compares: la corrlation de spectrogramme et le rseau neuronal.Les paramtres de la corrlation de spectrogramme ont t choisis de deux faons: par choix manuel, en utilisant seulement 20 vocalisations, et par une optimisation de la procdure utilisant toutes les vocalisations.Les coefficients de pondration du rseau neuronal ont t tabli par rtropropagation sur 9/10 des donnes de test.Les performances ont t mesures sparment pour des vocalisations ayant des rapports signal sur bruit diffrents, le rapport signal sur bruit ayant une grande influence sur tout dtecteur.Les rsultats dmontrent que le rseau neuronal performe mieux dans ce genre de tche, atteignant un taux d 'erreur de moins de 6% et, par consquent, est dfini ici comme la meilleure mthode de dtection.La corrlation de spectrogramme peut tre utile dans les situations o un grand nombre de donnes de formation ne sont pas disponibles.Le choix manuel sur de petite tranche d 'chantillons a atteint un taux d 'erreur (26%) qui pourrait tre acceptable dans plusieurs applications.

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.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,680
Score d'incertitude au seuil0,821

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 Opus0,045
Tête enseignante GPT0,351
Écart entre enseignants0,306 · 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