用于环境声音分类的CNN超参数优化

环境声音在我们的生活中被广泛使用.它特别用于管理智能城市位置确定监控系统机器听力和环境监控等任务.近年来环境无害分类ESC的主要方法已被越来越多地研究.但是这些声音的分类比其他声音更困难因为产生噪声的参数太多.该研究试图找到卷积神经网络CNN模型该模型通过优化超参数为ESC任务提供最高的准确性.为此重新排列了粒子群优化PSO算法以表示CNN架构.因此CNN中的超参数在优化过程中无需任何变换即可精确表示.对ESC10ESC50和Urbansound8k数据集进行了研究这些数据集是ESC任务的最新技术.一些数据增强技术已经用于CNN模型训练中的数据集.