0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
电子发烧友
开通电子发烧友VIP会员 尊享10大特权
海量资料免费下载
精品直播免费看
优质内容免费畅学
课程9折专享价
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

關于使用深度學習破譯老鼠的語言分析和介紹

MATLAB ? 來源:djl ? 2019-09-11 11:40 ? 次閱讀

多年來,研究人員知道我們可以通過嚙齒類動物的叫聲來了解它們的感受。就像狗搖尾巴一樣,某些叫聲表明嚙齒動物很快樂。反過來,另一些叫聲表明嚙齒動物有壓力,甚至抑郁。

但為什么研究人員會對嚙齒動物的情緒感興趣呢?因為研究人員想了解嚙齒動物對各種刺激的反應。這有助于研究人員找到幫助成癮者或抑郁者的最佳方法。通過簡單分析嚙齒類動物的交流方式,研究人員可以判斷治療是否有助于減輕抑郁情緒。

圖片來源:Alice Gray

由于嚙齒類動物主要通過人耳聽不到的超聲波發(fā)聲(USV)進行交流,因此很難破譯老鼠吱吱的叫聲。超聲波發(fā)聲的范圍為20千赫到115千赫,而人類通常可以聽到20赫到20千赫的聲音。

直到現(xiàn)在,研究人員在研究嚙齒動物的叫聲時,依然嚴重依賴耗時的人工分析。由于發(fā)聲頻率很高,研究人員不得不放慢播放錄音的速度,才能聽到叫聲。即使使用專門的麥克風,對錄音中的高音尖叫聲進行標記和分類也是很費力費時的。這些方法也容易導致人為錯誤和誤解。

華盛頓大學精神病學和行為科學系教授John Neumaier博士告訴《數(shù)字趨勢》雜志:“過去,為了更好地了解動物在行為測試中的情緒狀態(tài),研究人員將這些聲音記錄了下來。問題是,要對這些錄音進行人工分析,就需要把它們放慢到人類可以聽到的頻率,這可能需要花費10倍的時間來聽。這給研究人員帶來了非常大的工作壓力,使得他們不愿意用這種自然的方式來解讀動物的情緒狀態(tài)。”

因此,這個研究小組借助于人工智能AI)來實現(xiàn)這一過程的自動化。他們的程序叫做DeepSqueak,因為這項程序基于一種叫做深度學習的人工智能形式。

利用深度學習分析超聲波發(fā)聲

兩位研究人員(華盛頓大學精神病學和行為科學系技術人員Russell Marx和華盛頓大學博士后研究員Kevin Coffey博士)與Neumaier教授合作開發(fā)了用于檢測和分析超聲波發(fā)聲的DeepSqueak軟件。他們的研究最近發(fā)表在《神經(jīng)心理藥理學自然雜志》上。

Coffey說:“我們可以訓練這個軟件,以一種更類似于人類學習的方式來分析這些叫聲。我們用圖片和例子來說明叫聲,而不是用數(shù)學來描述叫聲是什么。”

DeepSqueak將聲音問題轉(zhuǎn)化為圖像問題。

DeepSqueak的輸入是一個音頻文件(.wav或.flac)。DeepSqueak將音頻文件拆分為短的分段,然后將這些分段轉(zhuǎn)換為圖像(聲波圖)。下圖顯示了從原始音頻文件到經(jīng)過濾波的聲波圖的轉(zhuǎn)換。

關于使用深度學習破譯老鼠的語言分析和介紹

圖片來源:Kevin R.Coffey、Russell G.Marx和John F.Neumair

將聲波圖輸入到一個深度學習人工智能程序中,這個程序可以對圖像進行識別和分類,類似于自動駕駛汽車中用來識別停車標志和車道線的人工智能。它首先查看聲波圖中是否有吱吱聲。如果有的話,是什么類型的吱吱聲。

Marx說:“DeepSqueak使用仿生算法,這種仿生算法可以通過已經(jīng)標記好的發(fā)聲和噪音的例子來學習分離發(fā)聲。”

關于使用深度學習破譯老鼠的語言分析和介紹

圖片來源:Kevin R. Coffey、 Russell G. Marx和John F. Neumaier

該小組開始使用Deepsqueak時,采用的是MathWorks網(wǎng)站的示例代碼Object Detection Using Faster R-CNN Deep Learning(使用Faster R-CNN深度學習進行對象檢測):

在此基礎上,他們開發(fā)了DeepSqueak軟件包和MATLAB圖形用戶界面。DeepSqueak使用了Computer Vision System Toolbox(計算機視覺系統(tǒng)工具箱)、Curve Fitting Toolbox(曲線擬合工具箱)、Image Processing Toolbox(圖像處理工具箱)、Parallel Computing Toolbox(并行計算工具箱)和Deep Learning Toolbox(深度學習工具箱)。

該技術有助于開發(fā)更好的成癮治療方法

這個研究小組的重點是精神病學和行為科學。

這項無損傷性研究發(fā)現(xiàn),嚙齒類動物在預期得到獎勵(如,糖)或與同伴玩耍時最快樂。他們還發(fā)現(xiàn),當雌性嚙齒動物在附近時,雄性嚙齒動物的行為也不同。情況正如預期,并無意外。

Neumaier教授說,他的目標是開發(fā)壓力失調(diào)和成癮的治療方法。DeepSqueak使超聲波發(fā)音的解碼破譯工作變得方便快捷,可以幫助實驗室更快地實現(xiàn)目標。

他說:“如果科學家能更好地理解藥物如何改變大腦活動,從而引起愉悅或不愉悅的感覺,我們就可以設計出更好的治療成癮的方法?!?/p>

該小組已經(jīng)向所有研究人員開放了DeepSqueak,他們可以創(chuàng)建自己的分析。代碼在Github上:

https://github.com/DrCoffey/DeepSqueak

該程序目前可以識別大約20種不同的超聲波發(fā)聲。該小組希望,當其他人識別和標記各種超聲波發(fā)聲時,他們能夠為老鼠的叫聲創(chuàng)建一個虛擬的“谷歌翻譯”。

相關閱讀:

直播預告 | MATLAB EXPO 2019,大師在線開講 >>

深度學習網(wǎng)絡到底在“看”哪里?

昆蟲大腦完勝機器學習

使用 MATLAB 圖像處理算法,視頻實時加持藍天背景

MATLAB 的藝術鑒賞的能力

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 超聲波
    +關注

    關注

    63

    文章

    3039

    瀏覽量

    138592
  • 網(wǎng)絡
    +關注

    關注

    14

    文章

    7597

    瀏覽量

    89121
  • 深度學習
    +關注

    關注

    73

    文章

    5512

    瀏覽量

    121430
收藏 0人收藏

    評論

    相關推薦

    NPU在深度學習中的應用

    隨著人工智能技術的飛速發(fā)展,深度學習作為其核心驅(qū)動力之一,已經(jīng)在眾多領域展現(xiàn)出了巨大的潛力和價值。NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡處理單元)是專門為深度學習
    的頭像 發(fā)表于 11-14 15:17 ?802次閱讀

    GPU深度學習應用案例

    能力,可以顯著提高圖像識別模型的訓練速度和準確性。例如,在人臉識別、自動駕駛等領域,GPU被廣泛應用于加速深度學習模型的訓練和推理過程。 二、自然語言處理 自然語言處理(NLP)是
    的頭像 發(fā)表于 10-27 11:13 ?464次閱讀

    FPGA加速深度學習模型的案例

    :DE5Net_Conv_Accelerator 應用場景 :面向深度學習的開源項目,實現(xiàn)了AlexNet的第一層卷積運算加速。 技術特點 : 采用了Verilog語言進行編程,與PCIe接口相集成,可以直接插入到
    的頭像 發(fā)表于 10-25 09:22 ?324次閱讀

    AI大模型與深度學習的關系

    AI大模型與深度學習之間存在著密不可分的關系,它們互為促進,相輔相成。以下是對兩者關系的介紹: 一、深度學習是AI大模型的基礎 技術支撐 :
    的頭像 發(fā)表于 10-23 15:25 ?1109次閱讀

    FPGA做深度學習能走多遠?

    的發(fā)展前景較為廣闊,但也面臨一些挑戰(zhàn)。以下是一些關于 FPGA 在深度學習中應用前景的觀點,僅供參考: ? 優(yōu)勢方面: ? 高度定制化的計算架構(gòu):FPGA 可以根據(jù)深度
    發(fā)表于 09-27 20:53

    【《大語言模型應用指南》閱讀體驗】+ 基礎知識學習

    今天來學習語言模型在自然語言理解方面的原理以及問答回復實現(xiàn)。 主要是基于深度學習和自然語言處理
    發(fā)表于 08-02 11:03

    利用Matlab函數(shù)實現(xiàn)深度學習算法

    在Matlab中實現(xiàn)深度學習算法是一個復雜但強大的過程,可以應用于各種領域,如圖像識別、自然語言處理、時間序列預測等。這里,我將概述一個基本的流程,包括環(huán)境設置、數(shù)據(jù)準備、模型設計、訓練過程、以及測試和評估,并提供一個基于Mat
    的頭像 發(fā)表于 07-14 14:21 ?2417次閱讀

    深度學習中的無監(jiān)督學習方法綜述

    深度學習作為機器學習領域的一個重要分支,近年來在多個領域取得了顯著的成果,特別是在圖像識別、語音識別、自然語言處理等領域。然而,深度
    的頭像 發(fā)表于 07-09 10:50 ?893次閱讀

    深度學習與nlp的區(qū)別在哪

    深度學習和自然語言處理(NLP)是計算機科學領域中兩個非常重要的研究方向。它們之間既有聯(lián)系,也有區(qū)別。本文將介紹深度
    的頭像 發(fā)表于 07-05 09:47 ?1030次閱讀

    深度學習常用的Python庫

    深度學習常用的Python庫,包括核心庫、可視化工具、深度學習框架、自然語言處理庫以及數(shù)據(jù)抓取庫等,并詳細
    的頭像 發(fā)表于 07-03 16:04 ?696次閱讀

    深度學習與卷積神經(jīng)網(wǎng)絡的應用

    到自然語言處理,深度學習和CNN正逐步改變著我們的生活方式。本文將深入探討深度學習與卷積神經(jīng)網(wǎng)絡的基本概念、工作原理及其在多個領域的應用,并
    的頭像 發(fā)表于 07-02 18:19 ?1012次閱讀

    深度學習模型訓練過程詳解

    詳細介紹深度學習模型訓練的全過程,包括數(shù)據(jù)預處理、模型構(gòu)建、損失函數(shù)定義、優(yōu)化算法選擇、訓練過程以及模型的評估與調(diào)優(yōu)。
    的頭像 發(fā)表于 07-01 16:13 ?1456次閱讀

    深度學習與傳統(tǒng)機器學習的對比

    在人工智能的浪潮中,機器學習深度學習無疑是兩大核心驅(qū)動力。它們各自以其獨特的方式推動著技術的進步,為眾多領域帶來了革命性的變化。然而,盡管它們都屬于機器學習的范疇,但
    的頭像 發(fā)表于 07-01 11:40 ?1512次閱讀

    語言模型:原理與工程實踐+初識2

    前言 深度學習是機器學習的分支,而大語言模型是深度學習的分支。機器
    發(fā)表于 05-13 00:09

    為什么深度學習的效果更好?

    導讀深度學習是機器學習的一個子集,已成為人工智能領域的一項變革性技術,在從計算機視覺、自然語言處理到自動駕駛汽車等廣泛的應用中取得了顯著的成功。深度
    的頭像 發(fā)表于 03-09 08:26 ?671次閱讀
    為什么<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的效果更好?

    電子發(fā)燒友

    中國電子工程師最喜歡的網(wǎng)站

    • 2931785位工程師會員交流學習
    • 獲取您個性化的科技前沿技術信息
    • 參加活動獲取豐厚的禮品