【摘要】：針對(duì)反芻家畜的反芻行為結(jié)合前饋型神經(jīng)網(wǎng)絡(luò)提出了一個(gè)簡(jiǎn)單的方法,自動(dòng)分析和識(shí)別反芻家畜的反芻事件。用聲音信號(hào)表示反芻事件的候選項(xiàng),然后用前饋神經(jīng)網(wǎng)絡(luò)模型對(duì)這些候選項(xiàng)的特征進(jìn)行學(xué)習(xí),通過(guò)訓(xùn)練好的模型將這些侯選項(xiàng)識(shí)別為反芻事件和非反芻事件。測(cè)試用的聲音信號(hào)總共24 min,分別來(lái)自三只湖羊,喂給這些湖羊的飼料是典型的混合飼料。為了充分測(cè)試提出的方法,測(cè)試數(shù)據(jù)分別使用了包含較少噪聲和包含較多噪聲的數(shù)據(jù),并且更加注重后者,因?yàn)樵胍粼谒械穆晫W(xué)模型中都是一個(gè)很大的挑戰(zhàn)。實(shí)驗(yàn)表明,該方法獲得的湖羊反芻事件的次數(shù)和人工統(tǒng)計(jì)的反芻次數(shù)較為接近,統(tǒng)計(jì)次數(shù)的正確率超過(guò)了90%,并且所有反芻事件的正確匹配率約為87%。
[Abstract]:A simple method for ruminating behavior of ruminant livestock combined with feedforward neural network is proposed to automatically analyze and identify ruminant events of ruminant livestock. The candidates of ruminant events are represented by sound signals, and the features of these candidates are studied by feedforward neural network model. These options are recognized as ruminant events and non-ruminant events by trained models. A total of 24 min, acoustic signals were used from three Hu sheep, which were fed with a typical mixed feed. In order to fully test the proposed method, the test data uses the data containing less noise and more noise, and pays more attention to the latter, because noise is a great challenge in all acoustic models. The experimental results show that the number of ruminant events obtained by this method is close to that of artificial ruminant events, the correct rate of statistical times exceeds 90, and the correct matching rate of all ruminant events is about 87.
【作者單位】： 蘭州大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61073193,61300230)資助
【分類號(hào)】：S818.9;TP183

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前10條

1 陳振湘;陳劍勇;徐慎初;鐘金水;;具有刺激-反應(yīng)閾值的前饋神經(jīng)網(wǎng)絡(luò)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

2 梁久禎;黃德雙;何新貴;;前饋神經(jīng)網(wǎng)絡(luò)的一種梯度—牛頓耦合學(xué)習(xí)算法[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

3 李永敏;吉吟東;朱善君;孫增圻;;一種基于規(guī)則的前饋神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1998年

4 孫德保;王凱;;前饋神經(jīng)網(wǎng)絡(luò)的容錯(cuò)性研究[A];1998年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1998年

5 梁循;杜繼宏;夏紹瑋;楊振斌;;前饋神經(jīng)網(wǎng)絡(luò)的補(bǔ)償方法[A];1994年中國(guó)控制會(huì)議論文集[C];1994年

6 仉寶玉;陳義俊;;前饋神經(jīng)網(wǎng)絡(luò)快速學(xué)習(xí)算法及應(yīng)用[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2003年

7 梁久禎;黃德雙;何新貴;;多輸入單輸出前饋神經(jīng)網(wǎng)絡(luò)映射機(jī)理研究[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 寇紀(jì)淞;徐博藝;劉剛;;用遺傳算法訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)的權(quán)值[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

9 楊華民;姜會(huì)林;;前饋神經(jīng)網(wǎng)絡(luò)泛化能力評(píng)估方法研究[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

10 張代遠(yuǎn);;一種前饋神經(jīng)網(wǎng)絡(luò)的新型分層優(yōu)化算法[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

相關(guān)博士學(xué)位論文 前5條

1 賀彥林;前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)研究及其復(fù)雜化工過(guò)程建模應(yīng)用[D];北京化工大學(xué);2016年

2 侯木舟;基于構(gòu)造型前饋神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近與應(yīng)用[D];中南大學(xué);2009年

3 王健;前饋神經(jīng)網(wǎng)絡(luò)梯度學(xué)習(xí)算法收斂性分析[D];大連理工大學(xué);2012年

4 范欽偉;帶光滑正則項(xiàng)前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的收斂性分析[D];大連理工大學(xué);2014年

5 張會(huì)生;前饋神經(jīng)網(wǎng)絡(luò)梯度訓(xùn)練算法的幾個(gè)收斂性結(jié)果[D];大連理工大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 張蕭;通用前饋神經(jīng)網(wǎng)絡(luò)代碼庫(kù)的設(shè)計(jì)[D];福建師范大學(xué);2011年

2 董春巖;基于反傳混沌粒子群訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)應(yīng)用研究[D];北京化工大學(xué);2013年

3 張紅軍;一種新的前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法及其在控制中的應(yīng)用[D];大連理工大學(xué);2002年

4 呂俊;前饋神經(jīng)網(wǎng)絡(luò)參數(shù)和結(jié)構(gòu)的優(yōu)化策略研究[D];南京工業(yè)大學(xué);2004年

5 馬巖尉;基于前饋神經(jīng)網(wǎng)絡(luò)的電子鼻模式識(shí)別方法[D];大連理工大學(xué);2010年

6 程海青;動(dòng)量項(xiàng)前饋神經(jīng)網(wǎng)絡(luò)恒模盲均衡算法的研究[D];太原理工大學(xué);2006年

7 劉永;遺傳前饋神經(jīng)網(wǎng)絡(luò)盲均衡算法的研究[D];太原理工大學(xué);2007年

8 李艷琴;基于前饋神經(jīng)網(wǎng)絡(luò)盲多用戶檢測(cè)算法的研究[D];太原理工大學(xué);2007年

9 馬莉;基于遺傳前饋神經(jīng)網(wǎng)絡(luò)自適應(yīng)均衡算法的研究[D];太原理工大學(xué);2011年

10 張哲;基于效率優(yōu)化的整車轉(zhuǎn)矩分配方法的研究[D];長(zhǎng)春工業(yè)大學(xué);2015年

，

本文編號(hào)：2328513