BattyCoda: A novel open-source software for bat call annotation and classification
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.
Notice bibliographique
Résumé
The field of acoustic communication needs tools that facilitate the annotation and labeling of animal calls. Bat acoustic libraries gathered over the past few decades have primarily focused on compiling echolocation calls, which have been leveraged to develop machine learning algorithms capable of classifying bat species. However, because these classification methods require large training datasets, they have not yet been generalized to classify types of bat communication calls. Communication call repertoires in bats are wide, and distinct syllables occur with varying frequency, with some call types being recorded only rarely. Furthermore, collecting communication calls poses greater technical challenges, making these calls more difficult to capture reliably. Here, we present BattyCoda, an open-access, customizable tool to categorize and label bat communication call types within the repertoire of a species using small training datasets (tens to hundreds of labeled calls). In this work, we compiled an initial training dataset of 11 types of big brown bat ( Eptesicus fuscus ) calls, tested the performance of various candidate classifiers, and assessed the final classifier's training sample size sensitivity. We found that the best performing classifier achieved a balanced accuracy of ~50 %, with common call types achieving classification accuracies over 70 %. Our tool can greatly facilitate annotating bat calls in recordings by providing accurate labels for common call types, while also assisting researchers in categorizing rarer communication calls. BattyCoda has the potential to build research capacity in the field of acoustic communication by expanding the availability of libraries including a wider range of bat calls and species, thereby enabling the exploration of new hypotheses.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle