Mesterséges intelligencia-alapú gépi tanuláson alapuló adatosztályozási technikák összehasonlítása tengeri emlősök víz alatti hangjának elemzésénél

Artificial intelligence-based machine learning comparison of data classification techniques for marine mammals underwater sounds analysis

Abstract

In this paper, we investigate and compare different machine learning techniques for classifying underwater sounds, with a focus on shipping noise and marine mammal sounds such as dolphins and cetaceans. The AI-based neural network model can be used to automate the processing of recordings, significantly reducing the possibility of human error. A comparison of different machine learning methods has shown that AI-based approaches are effective tools for identifying cetaceans and dolphins, as well as for recognising the types of vessels that need to be distinguished from background noise. The aim of this research is to demonstrate the effectiveness and applicability of these techniques for acoustic analysis of the marine environment.

Kivonat

Ez a tanulmány különféle gépi tanulási technikákat vizsgál és hasonlít össze a víz alatti hangok osztályozásában, különös tekintettel a hajózási zajokra és tengeri emlősök, például delfinek és cetfélék hangjaira. Az AI-alapú gépi tanulási modellek segítségével automatizálható a hangfelvételek feldolgozása, ami jelentősen csökkenti az emberi hibák lehetőségét. A különböző gépi tanulási módszerek összehasonlítása rámutatott, hogy az AI-alapú megközelítések hatékony eszközök a cetfélék és delfinek azonosításában, valamint a hajótípusok felismerésében, amelyeket a háttérzajok közül kell elkülöníteni. A kutatás célja, hogy bemutassa ezeknek a technikáknak a hatékonyságát és alkalmazhatóságát a vízalatti környezet akusztikai elemzésében.