Analiza modeli splotowych w zadaniach klasyfikacji dźwieków środowiskowych

Splotowe sieci neuronowe są obecnie popularnym narzędziem wykorzystywanym w rozpoznawaniu dźwięków środowiskowych. Na skuteczność ich działania wpływa wiele potencjalnych czynników. Niniejszy referat przedstawia podsumowanie wyników uzyskanych w rozprawie doktorskiej autora w zakresie analizy wrażliwości modeli splotowych na dobierane wartości hiperparametrów. W szczególności zastosowanie techniki dropout okazuje się mieć znaczący wpływ na funkcjonowanie tego typu modeli.

---

Convolutional neural networks are a popular tool used in environmental sound recognition tasks. Their performance depends on multiple factors. This paper presents a summarized extract from author’s PhD dissertation on analyzing the sensitivity of convolutional models to hyperparameter values. In particular, dropout happens to play an important role in these kinds of models.