Birkaç örnekli öğrenme ile ses sınıflandırma

Bu tez, epizodik ve epizodik olmayan eğitim yöntemlerinin ne kadar iyi çalıştığını karşılaştırmak için ses alanındaki birkaç vuruşlu sınıflandırma probleminin tam bir deneysel çalışmasını yapmaktadır. Üç farklı optimizasyon algoritması epizodik olmayan yöntemle eğitilmiş ve eğitim tekniklerinin sınıflandırma performansı üzerindeki etkisi araştırılmıştır. Bu karşılaştırmalar yapılırken, performansı artırmak için basit özellik dönüşümleri kullanılmış ve bunların performans üzerindeki etkisi analiz edilmiştir. Az sayıda ses sınıflandırma görevi, sınırlı veriye sahip senaryolarda gerçekleştirilmiştir. Bu çalışmada iki farklı veri seti kullanılmıştır: Çevresel Ses Sınıflandırması - 50 ve Google Konuşma Komutları. ESC-50 çevresel konuşma dışı sesleri içerir. GSC temel sözlü emirleri kapsar. Eğitim verisi miktarının her veri seti için sınıf başına 5, 10 ve 15 örnek seçilerek kısıtlandığı üç farklı senaryo oluşturulmuştur. Epizodik olmayan deneylerde üç farklı optimizasyon modeli kullanılarak bu farklı eğitim setleriyle bir dizi kapsamlı deney gerçekleştirilmiştir: tek aşamalı hibrit kayıp optimizasyonu (SSHLO), tek aşamalı kayıp optimizasyonu (SSLO) ve iki aşamalı kayıp optimizasyonu (TSLO). Bu deneylerin sonuçları daha sonra üç optimizasyon ile epizodik eğitim arasında karşılaştırılmıştır. Araştırmamızın bulguları, önceden eğitilmiş bir modelle birlikte kullanıldığında ses alanında epizodik olmayan eğitim yaklaşımının epizodik eğitim yaklaşımından daha etkili olduğuna işaret etmektedir.Optimizasyonlar açısından, sonuçlar tek aşamalı hibrit kayıp optimizasyonunun (SSHLO) iki veri seti üzerinde en üstün optimizasyon olduğunu göstermektedir.