tensorflow是乙個開源的機器學習庫—對任何人都是開放的。公司、非營利性組織、研究人員和開發人員已經在一些領域使用了tensorflow。
維克托·安東（victor anton）三年內記錄並收集了數萬個鳥鳴的錄音，但是他無法弄清楚每乙個鳥鳴屬於哪只鳥。
來自紐西蘭的被稱為西蘭蒂亞洲（zealandia）的鳥類自然保護區周圍50個採集鳥鳴地點的錄音，是為了更好的了解瀕危物種的動向和數量，包括hihi, tīeke and kākāriki。由於研究人員對鳥類的棲息地和它們將要往**遷徙並沒有掌握可靠的資訊，因此，他們很難就鳥類的地面保護做出正確的決策。
瀕危物種包括 kākāriki, hihi, and tīekei.
這就是錄音記錄的**，然而音訊的數量是巨大的，因此，來自紐西蘭惠靈頓維多利亞大學的博士生victor和他的團隊轉向利用技術識別鳥鳴。
victor說，「我們知道在這個音訊裡記錄了許多令人難以置信的有價值的資料，但是我們根本沒有足夠的人力或者乙個可行的方案可以幫助我們解答這個問題。所以，我們轉而利用機器學習來幫助我們識別音訊裡的鳥鳴。」
鳥類保護區周圍50個鳥鳴採集點
在機器學習的乙個特殊的應用中，他們訓練了乙個基於google tensorflow庫的系統以識別特定的鳥鳴聲和評測鳥類活動。它識別的鳥鳴越多，學習的就越多，結果就會越精確。
它的工作原理是這樣的：ai系統使用乙個已經記錄和儲存了鳥鳴的音訊，將其切分成若干個時長為一分鐘的片段，然後將檔案轉換為乙個頻譜圖。在頻譜圖被切成若干塊以後，每個塊的跨度不超過1秒，再分別用同乙個深度卷積神經神經網路進行處理。然後利用乙個迴圈神經網路將這些塊組合在一起，持續的**三隻鳥中的哪乙隻是存在於這個一分鐘長的片段中的。編譯這些片段是為了更全面的了解鳥類的存在和活動。
tensorflow處理頻譜圖，並學會識別不同鳥鳴
victor和他的團隊面臨著一些獨一無二的挑戰。他們從少量有標籤的資料開始，但系統往往會接收其他的噪音，如建築，汽車甚至是門鈴，並且有的鳥類有著各種各樣的鳥鳴，或者兩種鳥類同時進行鳴叫。
為了克服這些障礙，他們對系統進行了多次的測試，驗證和重複訓練。最終，系統學會了在數千小時的錄音資料中鎖定其他一些聲音。雖然這項研究還處於初級階段，但環保組織已經和victor協商如何利用這些初步成果來獲得更大的成就。另外，這個團隊已經取得了一些令人鼓舞的成果，他們相信這些成果可以用於其它的環境保護專案。
「我們才剛剛開始了解到，我們可以通過不同的方式讓機器學習來幫助我們保護不同的動物，」victor說，「最終，這會使我們能夠解決我們所面臨的其他的那些全球性環境挑戰」。
以上為譯文。
本文由北郵
@愛可可-愛生活
老師推薦，
阿里云云棲社群
組織翻譯。
文章原標題《machine learning gives environmentalists something to tweet about》，譯者：mags，審校：袁虎。
文章為簡譯，更為詳細的內容，請檢視原文
TensorFlow機器學習小案例（五）
1 損失函式 表示用來 值與已知答案進行比較差距，在神經訓練網路時，通過不斷改變神經所有引數，使損失函式不斷減少。從而提高準確率的神經網路模型。2 學習率 進行更新引數，學習率大了，優化的引數不怎麼改變，學習率小，優化引數變化大，影響誤差。3 滑動平均 增強滑動增強模型的泛化能力。4 正則化 在損失...
2019 6 7機器學習之svm案例
1.案例 承襲decision tree的案例資料，同樣用身高和體重來界定胖瘦。如下文字檔 7.svm.txt 三個欄位各代表身高 m 體重 kg 與胖瘦 thin fat 2.問題 現在有兩人，其中一位身高1.6m 體重30kg，另一位身高1.6m 體重300kg，請問各是胖是瘦呢？3.資料文件 ...
機器學習 情感分析小案例
對發帖情感進行分析。字段說明 announce id欄位代表使用者id，user name欄位代表使用者名稱，topic欄位代表發帖主題，body欄位代表發帖內容，post type欄位代表發帖話題是否與工作相關，sentiment欄位表明發帖情感色彩，ip欄位代表使用者ip位址。關於classif...