تشخیص گریه نوزاد از سایر صداهای محیط با استفاده از یادگیری عمیق
محل انتشار: نهمین کنگره مشترک سیستم های فازی و هوشمند ایران
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,171
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FJCFIS09_036
تاریخ نمایه سازی: 7 اردیبهشت 1401
چکیده مقاله:
مهم ترین راه ارتباطی نوزادان با دنیای اطراف گریه آن ها است. علاوه بر درک نیازهای روزمره نوزادان، پیش بینی بیماری یکی دیگر از وظایف مهم در تحقیقات گریه نوزاد است. سیستم های هوشمند تشخیص گریه نوزاد زمینه ساز ساخت ربات های هوشمند مراقبتی خواهند بود. سیگنال های گریه نوزادان حاوی ویژگی های منحصر به فردی است که با استفاده از این ویژگی ها می توان گریه نوزادان را از سایر اصوات محیط تشخیص داد. اغلب دیتاهای موجود در این زمینه صداها ی ضبط شده توسط افراد در NICU و یا در خانه توسط والدین است. دراین پژوهش صدای گریه نوزادان از سایر اصوات محیط تشخیص داده شده است. دراین مسیر از ضرایب کپسترال فرکانس مل۱ (MFCC) بهره بردیم و عملکرد شبکه ها ی عصبی عمیق پیچشی ۲ (CNN) و حافظه طولانی- کوتاه مدت ۳ (LSTM) را بررسی کردیم و برتری روش خود را بر اساس معیارهای دقیق تر و جامع تری از جمله دقت۴ ، حساسیت۵ و ماتریس درهم ریختگی ۶ سنجیدیم. نتایج به دست آمده نشان می دهد که جهت تشخیص صدای گریه نوزادان الگوریتم شبکه عصبی حافظه طولانی- کوتاه مدت دارای دقت ۹۶/۳۰% و شبکه عصبی پیچشی دارای دقت ۹۷/۹۷% می باشد
کلیدواژه ها:
نویسندگان
پری ناز نورمحمدی
قطب علم ی رایانش نرم و پردازش هوشمند اطلاعات ، گروه برق ، دانشگاه فردوسی، مشهد