Semi-supervised Classifying of Modelled Auditory Nerve Patterns for Vowel Stimuli with Additive Nois

Исследователи из Санкт-Петербургского политехнического университета Петра Великого (СПбПУ) под руководством программиста отдела вычислительных систем Суперкомпьютерного центра «Политехнический» Антона Яковленко путём имитации работы периферической нервной системы смоделировали процесс кодирования звуков у людей. Их подход позволил классифицировать и идентифицировать такие сложные слуховые раздражители, как гласные, с учётом ограниченной предварительной информации.

Система может распознавать звуки даже при значительном уровне постороннего шума и превосходит имеющиеся аналоги. Разработки позволят создать нейрокомпьютерные интерфейсы нового поколения, системы распознавания голоса, улучшить кохлеарные импланты. #новости #биоинженерия

В статье предлагается подход к стационарным моделей слуховых нервных анализе активности с точки частичного обучения в самоорганизующихся карт (сом). Предложенный подход позволил классифицировать и идентифицировать сложные слуховые раздражители, такие как гласные, с учетом ограниченности априорной информации о данных. Для получения реакции слуховых нервных волокон использована вычислительная модель слуховой периферии. Распространение меток через график близости триангуляции Делоне, полученный алгоритмом SOM, реализовано для классификации немаркированных единиц. Во избежание возникновения” мертвой " единичной проблемы в Эмерджентном ЗВОЛ и для повышения эффективности метода реализован адаптивный механизм совести. В исследовании рассмотрено влияние AWGN на устойчивость идентификации слуховых раздражителей при различных SNR. Представление акустических сигналов в виде нейронной активности в слуховых нервных волокнах оказалось более шумоустойчивым по сравнению с представлением в виде наиболее распространенных акустических признаков, таких как MFCC и PLP. Подход произвел высокую точность, как в случае подобных звуков, так и с высоким SNR.

Источник: link.springer.com

Комментарии: