Садои зарба, кӯбиш, афтондани ашё ё болға задане, ки дар бинои истиқоматӣ шунида мешавад, ҳамеша чунин дарк намешавад, ки гӯё мустақиман аз ҳуҷрае меояд, ки манбаъ дар он ҷойгир аст. Фаршҳои оҳану бетонӣ, деворҳо, сутунҳо, болорҳо ва холигиҳои ҳавоӣ садоро тавассути роҳҳои гуногун интиқол медиҳанд. Ду садои зарбае, ки дар як мавқеъ ба вуҷуд оварда мешаванд, агар дар қисматҳои гуногуни ошёна рух диҳанд, метавонанд аз ҷониби як микрофон ба шаклҳои гуногун сабт шаванд. Ин ҳолат интиқол додани усулҳои омӯзиширо, ки танҳо аз рӯи сигнали садо ҷойи манбаъро муайян кардан мехоҳанд, ба ошёнаҳои дигар ё қисматҳои монандсохти бино душвор мегардонад.

Ин таҳқиқот усули нави ҷойгиркунии садои зарбаро пешниҳод мекунад, ки бинои оҳану бетониро ҳамчун граф ифода менамояд. Дар модел, унсурҳои сохтмонӣ ба монанди фарш, девор, ҳаҷми ҳаво ва қабулкунанда ҳамчун гиреҳҳо, алоқаҳои физикии байни ин унсурҳо бошад ҳамчун қирраҳо таъриф шудаанд. Пешравии садои зарба дар дохили бино тавассути механизми интиқоли паём моделсозӣ шудааст, ки дар граф байни гиреҳҳои ҳамсоя иттилоотро интиқол медиҳад.

Ба гиреҳи манбаъ embedding-и садоӣ, ки аз садои воқеии зарба гирифта шудааст, таъин мешавад, дар ҳоле ки гиреҳҳои дигар бо векторҳои ибтидоӣ, ки ҳолати муҳитро ифода мекунанд, оғоз карда мешаванд. Хусусиятҳое ба монанди навъи унсури сохтмон, ҷойгиршавии сеченакаи манбаъ нисбат ба қабулкунанда, маълумоти ошёнаи нисбӣ ва навъи зарба ба гиреҳҳои граф илова шудаанд. Вазнҳои омӯзишпазир ба тавре оптимизатсия шудаанд, ки фарқи байни садоҳои зарбаи дар бинои воқеӣ ченшуда ва посухе, ки граф дар гиреҳи қабулкунанда пешгӯӣ мекунад, кам карда шавад.

Усул бо кросс-коррелятсия, шабакаи нейронии конволютсионии бар SoundNet асосёфта ва шабакаи стандартии нейронии пурра пайваст бо шумораи монанди параметрҳо муқоиса шудааст. Гарчанде кросс-коррелятсия ва CNN дар қисми ошёнаи дар омӯзиш дидашуда дақиқии баланд нишон дода тавонистанд, ҳангоми интиқол ба қисми дигари ошёна, ки қаблан дида нашуда буд, дақиқии онҳо тақрибан ба доираи 29–38 фоиз коҳиш ёфт. Усули пешниҳодшудаи бар граф асосёфта дар ҳамаи панҷ тақсимоти алоҳидаи додаҳо ҳам барои санҷиши тасдиқ ва ҳам барои санҷиши ошёнаи нодида дақиқии 100 фоизро гузориш кардааст.

Ин натиҷа нишон медиҳад, ки агар геометрияи бино ва пайвастҳои сохторӣ ба модел ошкоро ворид карда шаванд, муносибати омӯхташудаи садо ва манбаъ метавонад ба қисматҳои дигари ошёна беҳтар интиқол дода шавад. Аммо таҷриба бо чор мавқеи манбаъ, як қабулкунанда, фарогирии маҳдуди фазоӣ ва тарҳҳои муайяни биноҳои оҳану бетонӣ анҷом дода шудааст. Аз ин рӯ, ин усулро набояд ҳамчун системаи омодае арзёбӣ кард, ки дар ҳар бинои истиқоматӣ манбаи дақиқи садои ҳамсояро пайдо карда метавонад; балки онро бояд ҳамчун равиши умедбахши таҳқиқотӣ дар миқёси лаборатория ва бинои воқеӣ арзёбӣ намуд.

Масъалаи асосии таҳқиқот чист?

Садои зарбаи байниошёнавӣ, махсусан дар манзилҳои оҳану бетонӣ, масъалаи муҳими сифати зиндагӣ мебошад. Афтодани ашё ба фарш, зарбаи болға, ба замин гузоштани тӯби вазнин ё такроран кӯфтани сатҳ унсурҳои сохтмонро ба ларзиш меорад. Ин ларзиш тавассути фарш, девор, сутун, болор ва ҳаҷми ҳаво паҳн шуда, дар ҳуҷраҳо ё ошёнаҳои дигар ҳамчун садо шунида мешавад.

Гӯши инсон аксар вақт дуруст муайян карда наметавонад, ки садо аз кадом ҳамсоя меояд. Сабаб дар он аст, ки бино муҳити сода ва якхела нест. Садо ҳатман аз кӯтоҳтарин самти геометрӣ ҳаракат намекунад. Унсурҳои гуногуни сохтмон, нуқтаҳои пайваст ва ҳуҷраҳо метавонанд садоро бо дараҷаҳои гуногун суст кунанд, инъикос намоянд ё ба самтҳои дигар интиқол диҳанд.

Дар таҳқиқоти қаблии ба додаҳо асосёфта, дар нуқтаҳои муайян зарбаҳо эҷод шуда, сигналҳои сабтнамудаи як сенсор бо мавқеъҳои манбаъ мувофиқ карда шудаанд. Модел зарбаҳои наздик ба нуқтаҳои дар омӯзиш дидашударо бо муваффақият ҷойгир карда тавонист. Ҳамчунин дар фарқ кардани он ки манбаъ дар кадом ошёна аст, сатҳи муайяни муваффақият ба даст оварда шуд.

Аммо масъалаи муҳим ба миён омад: ҳатто агар мавқеи нисбии манбаъ ва қабулкунанда яксон нигоҳ дошта шавад, вақте таҷриба дар қисми дигари ошёна такрор мегардад, тақсимоти садои сабтшуда тағйир меёбад. Моделе, ки танҳо аз сигнали хоми садо меомӯзад, дар ошёнае, ки дар омӯзиш надидааст, ҳуҷра ё мавқеи дақиқро пешгӯӣ карда натавонист.

Чаро ин масъала муҳим аст?

Муайян кардани манбаи садои зарба танҳо барои баҳсҳои байни ҳамсояҳо муҳим нест. Ҳамин равиши техникӣ метавонад дар соҳаҳои зерин низ истифода шавад:

• Пайгирии ҳаракати одамон дар биноҳои ҳушманд
• Ошкор кардани ҳолатҳои афтодани пиронсолон ё шахсони танҳо зиндагӣкунанда
• Муайян кардани воридшавии беиҷозат ва ҳодисаҳои амниятӣ
• Пайгирии зарбаи ғайримуқаррарӣ дар мошинҳо ё унсурҳои сохтмонӣ
• Баррасии объективии шикоятҳои садо
• Муайян кардани манбаъҳои ларзиши сохторӣ барои нигоҳдорӣ

Дар системаҳои бисёрсенсорӣ ҷойи манбаъро метавон бо истифода аз фарқи вақти расидан байни сенсорҳо тавассути усулҳои монанд ба триангулятсия ҳисоб кард. Аммо шумораи зиёди сенсорҳо хароҷоти ноқилбандӣ, ҳамоҳангсозӣ ва насбро зиёд мекунад. Азбаски ин таҳқиқот ҷойгиркуниро танҳо бо як сенсор ҳадаф қарор додааст, аз нуқтаи назари насби амалӣ ҷолиб мебошад.

Ба кадом холигии адабиёт ҷавоб медиҳад?

Усулҳои ҷойгиркунии манбаи садо ва ларзиш дар дохили бино умуман ба ду гурӯҳ ҷудо мешаванд:

• Усулҳои таҳлилӣ: Ба муодилаҳои ошкоро, аз ҷумла фарқи вақти расидан, суръати паҳншавӣ, кунҷ ва модели физикии мавҷ такя мекунанд.
• Усулҳои ба омӯзиш асосёфта: Муносибати байни сигнали ченшуда ва мавқеи манбаъро аз додаҳо меомӯзанд.

Бартарии усулҳои таҳлилӣ тафсирпазирии физикии онҳо мебошад. Баръакс, моделсозии дақиқи хосиятҳои мавод, пайвастҳо, сустшавӣ ва дисперсия дар бинои мураккаб душвор аст. Усулҳои ба омӯзиш асосёфта метавонанд бе ниёз ба ин параметрҳои муфассали физикӣ ба додаҳо мутобиқ шаванд; аммо онҳо ба шумораи зиёди намунаҳои нишондодашуда ниёз доранд ва метавонанд дар умумисозӣ ба қисматҳои гуногуни бино мушкилӣ дошта бошанд.

Ин таҳқиқот байни ин ду равиш пул месозад. Он муодилаи пурраи мавҷи биноро ҳал намекунад; аммо геометрияи бино ва пайвастҳои унсурҳоро ошкоро ба дохили модели омӯзишӣ ворид мекунад. Ҳамин тавр, модел ғайримустақим кӯшиш мекунад на танҳо ба саволи «ин садо ба кадом синф монанд аст?», балки ба саволи «садо эҳтимол тавассути кадом пайвастҳои дохили сохтор ба қабулкунанда расидааст?» низ ҷавоб диҳад.

Чаро бино ҳамчун граф ифода шуд?

Граф сохтори математикӣ мебошад, ки аз гиреҳҳо ва пайвастҳои байни онҳо иборат аст:

\[ \mathcal{G} = (\mathcal{V}, \mathcal{E}) \]

Дар ин ҷо:

• \(\mathcal{V}\) маҷмӯи гиреҳҳо мебошад.
• \(\mathcal{E}\) маҷмӯи қирраҳо ё пайвастҳои байни гиреҳҳо мебошад.

Дар таҳқиқот гиреҳҳо унсурҳои физикии бинои оҳану бетониро ифода мекунанд:

• Фаршҳо
• Деворҳо
• Ҳуҷраҳо ё ҳаҷмҳои ҳавоӣ
• Нуқтаи ҷойгиршавии қабулкунандаи садо
• Мавқеъҳои эҳтимолии манбаи зарба

Қирраҳо нишон медиҳанд, ки ин унсурҳо аз ҷиҳати физикӣ чӣ гуна ба ҳам пайвастанд. Масалан, фарш метавонад бо девор, девор бо ҳаҷми ҳуҷраи ҳамсоя ва ҳуҷра бо гиреҳи қабулкунанда пайваст шавад.

Бартарии ин ифода дар он аст, ки агар ҳамон тарҳи геометрии ҳуҷраҳо дар ошёнаҳои гуногун такрор шавад, муносибати сохторӣ нигоҳ дошта мешавад. Ҳатто агар тақсимоти садои хом тағйир ёбад, намунаи пайваст байни манбаъ ва қабулкунанда дар граф метавонад монанд боқӣ монад.

Графи бино дар таҳқиқот чӣ гуна аст?

Дар нақшаи асосии граф, гиреҳҳои фарш бо доира, гиреҳҳои девор бо секунҷа, гиреҳҳои ҳаво бо ромб ва гиреҳи қабулкунанда бо мураббаъ нишон дода шудаанд. Хатҳои байни гиреҳҳо роҳҳои эҳтимолии интиқоли садоро ифода мекунанд.

Гиреҳи манбаъ бо сурх ва қабулкунанда бо мураббаи кабуд ишора шудааст. Хусусиятҳои аз садои зарба гирифташуда аз гиреҳи манбаъ оғоз шуда, тавассути гиреҳҳои фарш, девор ва ҳаво ба самти қабулкунанда паҳн мешаванд.

Агар граф бевосита бо ҳамаи унсурҳои бино истифода шавад, шумораи пайвастҳо хеле калон мегардад. Барои кам кардани ин мураккабӣ, муҳаққиқон биноро ба унсурҳои сатҳи ҳуҷра ҷудо карда, сохтори содакардашудаи қирраҳоро истифода бурданд, ки кӯтоҳтарин роҳҳои байни манбаъ ва қабулкунандаро нигоҳ медорад.

Хусусиятҳои гиреҳҳо кадомҳоянд?

Ҳар гиреҳ танҳо бо навъи сохтор ифода намешавад. Дар таҳқиқот хусусиятҳои зерин ба гиреҳҳо илова шудаанд:

Унсурҳои сохторӣ чунин кодгузорӣ шудаанд:

• Фарш: [1, 0, 0]
• Девор: [0, 1, 0]
• Ҳаво: [0, 0, 1]

Маълумоти ошёнаи нисбӣ:

• Ошёнаи болои қабулкунанда: [1]
• Ҳамон ошёна: [0]
• Ошёнаи поёни қабулкунанда: [-1]

Ҳолати ибтидоии гиреҳи манбаъ

Шакли хоми мавҷи садои зарба бевосита ба граф дода нашудааст. Аввал он тавассути кодгузори бар SoundNet асосёфта ба embedding-и садоии камандоза табдил дода шудааст.

Ҳолати ибтидоии гиреҳи манбаъ чунин таъриф шудааст:

\[ \mathbf{h}^{0}_{s} = [\phi \ \mathcal{A}_{v}] \]

Дар ин ҷо:

• \(\mathbf{h}^{0}_{s}\) ҳолати ибтидоии гиреҳи манбаъ мебошад.
• \(\phi\) embedding-и кодшудаи садои зарба мебошад.
• \(\mathcal{A}_{v}\) хусусиятҳои сохтор, мавқеъ, ошёна ва навъи манбаи гиреҳ мебошад.

Ба забони оддӣ, гиреҳи манбаъ иттилооти «дар ин нуқта чунин навъи зарба рух дод ва мавқеи он дар бино чунин аст»-ро нигоҳ медорад.

Ҳолати ибтидоии гиреҳҳои ғайриманбаъ

\[ \mathbf{h}^{0}_{v \neq source} = [\mathbf{U} \ \mathcal{A}_{v}] \]

Дар ин ҷо U вектори тасодуфии муҳит аст, ки унсурҳои он сифр ё мусбат буда, ҷамъашон ба 1 баробар аст.

Ин гиреҳҳо сигнали воқеии зарбаро дар бар намегиранд. Онҳо танҳо навъи унсури бино ва ҳолати муҳитро ифода мекунанд. Бо пешрафти интиқоли паём, қисми иттилооти манбаъ ба ин гиреҳҳо мегузарад.

Кодгузори SoundNet чӣ кор мекунад?

SoundNet шабакаи конволютсионӣ мебошад, ки аз шаклҳои хоми мавҷи садо хусусиятҳои омӯхташударо ҷудо мекунад. Дар таҳқиқот қисми SoundNet аз вуруд то қабати ReLU6 истифода шуда, баъдан ду қабати пурра пайваст илова шудааст.

Ҳадаф табдил додани сабти дароз ва баландандозаи садо ба ифодаи фишурдатар аст, ки бо ҳолати гиреҳи граф якҷо карда шавад. Ҳамин тавр, модели граф на ҳар намунаи садои хом, балки хулосаи маънодори онро аз рӯи навъи манбаъ ва хусусиятҳои интиқол коркард мекунад.

Интиқоли паём чист?

Дар шабакаҳои нейронии графӣ интиқоли паём раванде мебошад, ки ҳар гиреҳ аз ҳамсояҳояш иттилоот гирифта, ҳолати худро нав мекунад. Дар таҳқиқот ин раванд ба паҳншавии энергияи зарба дар дохили сохтор монанд карда шудааст.

Интиқоли паём аз ду марҳилаи асосӣ иборат аст:

1. Ҷамъбаст: Хусусиятҳои гиреҳҳои ҳамсоя якҷо карда мешаванд.
2. Навсозии ҳолат: Иттилооти аз ҳамсояҳо омада бо ҳолати пешинаи гиреҳ муттаҳид карда мешавад.

Ин раванд дар тӯли K қадами ҷудогона такрор мешавад. Қимати K муайян мекунад, ки иттилооти садо то чанд дараҷаи пайваст дар граф пеш рафта метавонад.

Ҷамъ кардани иттилооти ҳамсояҳо

Ҳолати пешинаи ҳар гиреҳи ҳамсоя бо матритсаи умумии вазни омӯзишпазир табдил дода шуда, аз функсияи фаъолсозӣ гузаронида мешавад:

\[ \mathbf{h}^{k}_{u_v} = \sigma \left( \mathbf{W}^{k}_{pool} \mathbf{h}^{k-1}_{u_v} + \mathbf{b} \right) \]

Дар ин ҷо:

• \(\mathbf{h}^{k-1}_{u_v}\) ҳолати пешинаи гиреҳи ҳамсоя мебошад.
• \(\mathbf{W}^{k}_{pool}\) вазни омӯзишпазирест, ки дар қадами k ҳамаи гиреҳҳо онро муштарак истифода мебаранд.
• \(\sigma\) функсияи ғайрихаттии фаъолсозӣ мебошад.
• b истилоҳи bias мебошад.

Ҳолатҳои табдилёфтаи ҳамсояҳо бо функсияи ҷамъбасти AGG муттаҳид карда мешаванд:

\[ \mathbf{h}^{k}_{\mathcal{N}(v)} = AGG \left( \left\{ \mathbf{h}^{k}_{u_v} : u_v \in \mathcal{N}(v) \right\} \right) \]

Дар ин ҷо \(\mathcal{N}(v)\) ҳамсояҳои гиреҳи v-ро нишон медиҳад.

Навсозӣ бо ба назар гирифтани ҳолати пешина

\[ \mathbf{h}^{k}_{v} = \sigma \left( \mathbf{W}^{k} CONCAT \left( \mathbf{h}^{k}_{\mathcal{N}(v)}, \mathbf{h}^{k-1}_{v} \right) \right) \]

Сипас ҳолат бо нормаи L2 нормализатсия мешавад:

\[ \mathbf{h}^{k}_{v} \leftarrow \frac{\mathbf{h}^{k}_{v}} {\left\lVert \mathbf{h}^{k}_{v} \right\rVert_{2}} \]

Ин навсозӣ ба гиреҳ имкон медиҳад, ки на танҳо иттилооти аз ҳамсояҳо омадаро, балки ҳолати пешинаи худро низ нигоҳ дорад. Нормализатсия бошад, афзоиши беназорати бузургии хусусиятҳоро дар гиреҳҳои гуногун маҳдуд мекунад.

Маънои физикии он чист?

Ин муодилаҳо модели ҳифзи энергия нестанд, ки бевосита бо воҳиди физикии энергияи воқеии садо ҳисоб карда шавад. Ҳолатҳои гиреҳҳои граф векторҳои хусусиятҳои омӯхташуда мебошанд. Аз ин рӯ, интиқоли паём ба саволи «чанд децибел садо гузашт?» бевосита ҷавоб намедиҳад.

Ба ҷои ин, модел аз сабтҳои бинои воқеӣ муносибати зеринро меомӯзад: хусусияти зарбае, ки аз як мавқеи муайяни манбаъ оғоз мешавад, ҳангоми гузаштан аз пайвастҳои сохтмонӣ дар гиреҳи қабулкунанда бояд чӣ гуна ифода ба вуҷуд оварад?

Сохтори қирраҳои граф чӣ гуна содда карда шуд?

Дохил кардани ҳамаи унсурҳои сохтмон ва ҳамаи пайвастҳои бинои воқеӣ метавонад графи хеле калон ва мураккаб ба вуҷуд оварад. Муҳаққиқон ҳар ошёнаро ба қисматҳои сатҳи ҳуҷра ҷудо карда, кӯтоҳтарин роҳҳои байни манбаъ ва қабулкунандаро нигоҳ доштанд.

Ин соддасозӣ:

• Бори ҳисоббарориро кам мекунад.
• Ба эҳтимолитарин роҳҳои интиқол байни манбаъ ва қабулкунанда тамаркуз мекунад.
• Таъсири пайвастҳои нолозим ё дурро ба омӯзиш маҳдуд мекунад.

Аммо исбот нашудааст, ки садои воқеӣ танҳо аз кӯтоҳтарин роҳ мегузарад. Инъикосҳо, роҳҳои сохтории дарозтар ва таъсирҳои пайвастшавӣ метавонанд вуҷуд дошта бошанд. Аз ин рӯ, графи соддакардашуда ифодаи тақрибии бинои воқеӣ мебошад.

Вазнҳои граф чӣ гуна омӯхта шуданд?

Вазнҳои интиқоли паём дар ибтидо маълум нестанд. Онҳо бо истифода аз садоҳои зарбае, ки аз нуқтаҳои гуногуни манбаъ дар бинои воқеӣ чен шудаанд, оптимизатсия гардиданд.

Оптимизатсияи асосии таҳқиқот чунин ифода шудааст:

\[ \mathbf{W}^{*} = \arg\min_{\mathbf{W}} \mathcal{L} \left( \phi(x_{train,i}), \mathbf{h}^{K}_{r} \right) \]

Дар ин ҷо:

• \(\mathbf{W}^{*}\) вазнҳои оптималии омӯхташудаи граф мебошанд.
• \(\phi(x_{train,i})\) embedding-и садои омӯзишии ченшуда мебошад.
• \(\mathbf{h}^{K}_{r}\) ҳолатест, ки дар охири интиқоли паём дар гиреҳи қабулкунанда ба вуҷуд меояд.
• \(\mathcal{L}\) фарқи байни embedding-и садои ченшуда ва пешгӯии граф мебошад.

Ҳангоми омӯзиш бо сабтҳои мавқеъҳои гуногуни манбаъ, модел мекӯшад омӯзад, ки ҳар пайвасти сохторӣ хусусияти садоро то чӣ андоза тағйир медиҳад.

Садои нави зарба чӣ гуна ҷойгир карда мешавад?

Пас аз омӯзиш, барои ҳар мавқеи эҳтимолии манбаъ дар граф посухе ҳисоб карда мешавад, ки бояд дар гиреҳи қабулкунанда ба вуҷуд ояд. Ин посухҳо дар маҷмӯае бо номи D нигоҳ дошта мешаванд.

Вақте садои нави зарба меояд, он тавассути кодгузори SoundNet ба embedding табдил дода шуда, бо посухҳои номзади дохили D муқоиса мешавад:

\[ \hat{v} = \arg\min_{v} \mathcal{L} \left( \phi(\tilde{x}_{new}), D \right) \]

Дар ин ҷо:

• \(\hat{v}\) гиреҳи манбаи пешгӯишуда мебошад.
• \(\tilde{x}_{new}\) сабти нави зарба мебошад.
• D маҷмӯи посухҳои омӯхташудаест, ки ҳамаи мавқеъҳои номзади манбаъ дар қабулкунанда ба вуҷуд меоранд.

Садои нав ба кадом посухи номзад бештар монанд бошад, ҳамон гиреҳ ҳамчун манбаъ интихоб мешавад.

Таҷриба бо кадом додаҳо анҷом дода шуд?

Дар таҳқиқот ду маҷмӯи дода истифода шудааст:

Маҷмӯи додаҳои APT II

Сабтҳои APT II дар бинои воқеии оҳану бетонӣ ба вуҷуд оварда шудаанд. Манбаъҳо дар маркази ҳуҷраҳо ҷойгир карда шуданд. Чор нуқтаи асосии манбаъ 2-A, 2-B, 2-C ва 2-D номгузорӣ шудаанд.

Се зермаҷмӯа омода карда шуд:

• Қабулкунандаи ошёнаи поён: Манбаъҳои 2-A, 2-B, 2-C ва 2-D бо як сенсор дар як ошёна поён сабт шуданд.
• Қабулкунандаи ошёнаи боло: Ҳамин мавқеъҳои манбаъ бо сенсори як ошёна боло сабт шуданд.
• Қисмати ошёнаи нодида: Манбаъҳои 2-A′, 2-B′, 2-C′ ва 2-D′ дар қисмати дигари ошёна, боз бо як сенсори поёнӣ сабт шуданд.

Санҷиши асосии интиқоли иттилоот дар ҳамин додаи сеюм анҷом дода шуд, ки дар қисми дигари ошёна ҷамъоварӣ гардида буд, ҳарчанд мавқеъҳои нисбии манбаъ ва қабулкунанда яксон буданд.

Маҷмӯи додаҳои SNU-B36-50E

Ин маҷмӯи дода аз бинои кампусии Донишгоҳи миллии Сеул гирифта шудааст. Он тақрибан 2300 сабти садо ва 19 мавқеи манбаъро дар бар мегирад.

Азбаски ин маҷмӯъ калонтар ва гуногунтар аст, барои пешомӯзиши модели embedding-и бар SoundNet асосёфта истифода шуд. Графи асосии бино бошад бо додаҳои APT II оптимизатсия гардид.

Кадом навъҳои зарба истифода шуданд?

Дар хусусиятҳои граф се навъи зарба муайян шудааст:

• MB: Medicine ball drop, ба фарш партофтани тӯби вазнини тиббӣ
• HD: Hammer drop, ба фарш афтондани болға
• HH: Hammering, бо болға задани сатҳ

Ин зарбаҳо тақсимоти гуногуни басомад, давомнокӣ ва энергия доранд. Илова кардани навъи манбаъ ҳамчун хусусияти граф метавонад ба модел дар фарқ кардани зарбаҳои гуногуне, ки аз як мавқеъ меоянд, кумак кунад.

Усулҳои муқоиса

1. Кросс-коррелятсия

Сигнали нав бо ҳар сигнали омӯзишӣ дар лағжишҳои гуногуни вақт муқоиса шудааст:

\[ \mathcal{C} (x_{new},x_{train,i})[\tau] = \sum_{n=0}^{N-1} x_{new}[n] x_{train,i}[n+\tau] \]

Дар ин ҷо:

• \(\tau\) лағжиши вақт мебошад.
• N дарозии сигнал мебошад.
• \(\mathcal{C}\) монандии байни ду сигналро нишон медиҳад.

Мавқеи омӯзишие, ки монандии баландтарин медиҳад, ҳамчун манбаи садои нав интихоб мешавад.

2. Шабакаи нейронии конволютсионӣ

CNN-и бар SoundNet асосёфта аз шакли хоми мавҷ хусусиятҳо гирифта, мавқеи манбаъро бевосита тасниф мекунад. Ин модел геометрияи сохтор ё пайвастҳои фарш-деворро истифода намебарад.

3. Шабакаи стандартии нейронии пурра пайваст

Ин модел, ки VNN ном дорад, бо усули граф шумораи монанди параметрҳои омӯзишпазир ва ҳамон хусусиятҳои вурудро дорад. Аммо сохтори гиреҳ ва қирра надорад. Ин муқоиса барои санҷидани он истифода шудааст, ки оё муваффақият на аз шумораи бештари параметрҳо, балки аз топологияи граф сарчашма мегирад.

Тартиби омӯзиш

Маҷмӯи асосии дода барои омӯзиш ва тасдиқ бо таносуби 4:1 ба таври тасодуфӣ ҷудо карда шуд. Панҷ тақсимоти гуногуни тасодуфӣ истифода шудааст.

Гиперпараметрҳо бо 30 озмоиши тасодуфӣ ҷустуҷӯ шуданд. Дар ҳар озмоиш параметрҳо аз доираи 10^-4 то 10 интихоб шуда, моделҳо 30 epoch омӯзонида шуданд. Параметрҳое, ки дар тасдиқ натиҷаи беҳтарин доданд, собит карда шуда, сипас дар додаҳои ошёнаи нодида санҷида шуданд.

Натиҷаҳои дақиқӣ

Кросс-коррелятсия ва CNN дар намунаҳои тасдиқие, ки бо додаҳои омӯзиш тақсимоти якхела доштанд, муваффақияти баланд нишон доданд. Аммо дар додаҳои санҷишии қисми дигари ошёна коҳиши калони иҷроишро таҷриба карданд.

VNN, сарфи назар аз он ки бо усули граф вуруд ва шумораи монанди параметрҳо дошт, ҳам дар тасдиқ ва ҳам дар санҷиш натиҷаҳои ноустувор нишон дод. Ин натиҷа ишора мекунад, ки танҳо ба шакли вектор илова кардани хусусиятҳои сохтор кофӣ нест; тартиби пайвастшавии унсурҳо низ муҳим аст.

Усули граф дар ҳамаи тақсимотҳо дақиқии 100 фоиз дод. Даъвои асосии таҳқиқот ин аст, ки ин натиҷа аз қобилияти сохтори граф барои коҳиш додани фарқи тақсимот байни қисматҳои гуногуни ошёна бармеояд.

Дақиқии 100 фоизро чӣ гуна бояд тафсир кард?

Дақиқии 100 фоиз ҷолиб аст; аммо доираи таҷриба маҳдуд мебошад. Дар санҷиш танҳо чор синфи манбаъ вуҷуд дорад. Геометрияи манбаъ-қабулкунанда бо омӯзиш яксон буда, навъи бино оҳану бетонӣ аст.

Аз ин рӯ, натиҷа маънои зеринро надорад:

• Дар ҳар бино ҳамаи ҳуҷраҳоро метавон бо қатъият пайдо кард
• Зарбаҳои сершумори ҳамзамонро метавон фарқ кард
• Садоҳои ҳавоӣ ба монанди телевизион, гуфтугӯ ё мусиқиро метавон ҷойгир кард
• Агар ҷойи сенсор тағйир ёбад, модел дигар ба омӯзиши нав ниёз надорад
• Дар геометрияҳои гуногуни бино ҳамин дақиқӣ нигоҳ дошта мешавад

Натиҷа нишон медиҳад, ки дар шароити муайяншудаи таҷриба усули граф нисбат ба моделҳои муқоисавӣ интиқоли иттилоотро хеле беҳтар анҷом додааст.

Тасвирҳои t-SNE чӣ нишон медиҳанд?

t-SNE усулест, ки ифодаҳои баландандозаи садоиро дар ду андоза визуалӣ мекунад. Барои шарҳ додани муваффақияти усули граф, embedding-ҳои баромади чор мавқеи манбаъ бо t-SNE тасвир шудаанд.

Дар додаҳои тасдиқие, ки ба тақсимоти омӯзиш монанд буданд, CNN ва модели граф синфҳои манбаъро ба гурӯҳҳои нисбатан равшан ҷудо карданд. Дар VNN баъзе манбаъҳо ба ҳам омехтанд.

Дар додаҳои ошёнаи нодида гурӯҳҳои VNN ва CNN ба таври намоён ҳампӯш шуданд. Ин нишон медиҳад, ки моделҳо натавонистанд ҳамон мавқеъҳои нисбиро дар қисми дигари ошёна ба ҳамон синф интиқол диҳанд.

Дар усули граф бошад, чор мавқеи манбаъ ҳамчун хатҳо ё гурӯҳҳои алоҳида ҷудо шуданд. Муҳаққиқон инро чунин тафсир карданд, ки геометрияи граф тағйироти тақсимоти додаҳоро мувозинат мекунад.

Тасвири паҳншавии энергия чӣ нишон медиҳад?

Қадамҳои интиқоли паёми k = 1, 2, 3 ва 4 дар граф бо миқёси ранг нишон дода шудаанд. Дар қадами аввал фаъолшавии баланд дар назди гиреҳи манбаъ буд; дар қадамҳои минбаъда он ба самти гиреҳҳои ҳамсоя ва қабулкунанда паҳн гардид.

Ин тасвир нишон медиҳад, ки модел иттилооти садоро дар як қадам мустақиман аз манбаъ ба қабулкунанда намебарад; балки онро тадриҷан дар тӯли пайвастҳои сохторӣ интиқол медиҳад.

Аммо бояд фаромӯш накарда шавад, ки миқёси ранг сатҳи физикии фишори садо ё энергияи воқеӣ бо воҳиди joule нест. Қиматҳои нишоншуда ҷамъбасти хусусиятҳои омӯхташудаи гиреҳҳо мебошанд.

Аҳамияти таҳқиқот аз нигоҳи гузашта

Равишҳои қаблии омӯзишии яксенсорӣ дар тарҳи ҳуҷра ё ошёнаи дар омӯзиш дидашуда муваффақ буданд, вале ҳангоми интиқол ба қисматҳои дигари ошёна коҳиши ҷиддии дақиқӣ доштанд. Ин таҳқиқот бо моделсозии ошкорои контексти сохторӣ ҳамин масъалаи интиқолро ҳал кардан мехоҳад.

Равиши бар граф асосёфта нисбат ба моделҳои таснифоти end-to-end, ки сохтори физикиро пурра сарфи назар мекунанд, қабати миёнаи тафсирпазиртар пешниҳод мекунад. Унсурҳое ба монанди фарш, девор, ҳаво ва қабулкунанда дар дохили модел ифодаи равшан доранд.

Аҳамияти он имрӯз

Системаҳои биноҳои ҳушманд ҳарчи бештар сенсорҳои садо, ларзиш, ҳарорат ва ҳаракатро истифода мебаранд. Имкони ҷойгир кардани манбаъ бо як сенсор метавонад шумораи сенсорҳо ва хароҷоти насбро кам кунад.

Хусусан барои баррасии объективии шикоятҳои садо дар манзилҳо, метавон системаҳоеро таҳия кард, ки на танҳо баландии садо, балки мавқеи эҳтимолии манбаъро муайян мекунанд. Бо вуҷуди ин, барои масъалаҳои махфият, айбдоркунии нодуруст ва истифодаи ҳуқуқӣ эътимоднокии баланд ва тасдиқи мустақил зарур аст.

Аҳамияти он барои оянда

Муаллифон барои кам кардани вобастагӣ аз додаҳо таҳқиқи few-shot learning ва unsupervised learning-ро пешниҳод мекунанд. Агар навъҳои бештари бино, тарҳҳои манбаъ-қабулкунанда ва навъҳои садо ба система ворид карда шаванд, усул метавонад ба шароити васеътар умумӣ шавад.

Дар оянда равиши граф метавонад бо моделҳои иттилоотии бино якҷо карда шавад. Геометрияи девор, фарш ва ҳуҷраҳои бино метавонад аз файли BIM ба таври автоматӣ гирифта шуда, графи интиқоли садо сохта шавад.

Таъсирҳои эҳтимолӣ ба зиндагии ҳаррӯза

• Пешгӯӣ кардани он ки садои кӯбиши байни ошёнаҳо аз кадом ҳуҷра ё самт меояд
• Муайян кардани минтақаи афтодани шахсони солхӯрда
• Пайгирии қадам ва ҳаракат дар хонаҳои ҳушманд
• Муайян кардани манбаи зарба ё шикастани беиҷозат дар системаҳои амниятӣ
• Ошкор кардани нуқтаҳои зарба ё ларзиши ғайримуқаррарӣ дар иншооти саноатӣ
• Муайян кардани унсурҳои афзалиятноки сохтмон дар чораҳои коҳиши садо

Ҷиҳатҳои қавии таҳқиқот

• Истифодаи садоҳои дар бинои воқеии оҳану бетонӣ ченшуда
• Пешниҳоди равиши ҷойгиркунии яксенсорӣ
• Дохил кардани ошкорои геометрияи бино ва унсурҳои сохторӣ ба модел
• Ифода кардани интиқоли садои сохторӣ тавассути интиқоли паём
• Муқоиса бо VNN-и дорои ҳамон вуруд ва шумораи монанди параметрҳо
• Муқоиса бо усулҳои гуногуни асосӣ ба монанди кросс-коррелятсия ва CNN
• Санҷиши махсуси интиқоли иттилоот дар қисми ошёнаи нодида
• Гузориши натиҷаҳои устувор дар панҷ тақсимоти тасодуфии гуногуни додаҳо
• Нишон додани фарқи тақсимот бо визуализатсияҳои t-SNE
• Нишон додани паҳншавии тадриҷии паём дар граф ба таври визуалӣ

Маҳдудиятҳои таҳқиқот

• Таҳқиқот preprint аст ва аз арзёбии ҳамтоён нагузаштааст.
• Дар санҷиши асосӣ танҳо чор мавқеи манбаъ мавҷуд аст.
• Тартиби назоратшаванда истифода шудааст, ки дар он манбаъҳо дар маркази ҳуҷраҳо ҷойгир шудаанд.
• Танҳо як мавқеи қабулкунанда ҳамчун асос гирифта шудааст.
• Доираи маҳдуди геометрияи манбаъ-қабулкунанда омӯхта шудааст.
• Якчанд манбаи ҳамзамони садо санҷида нашудааст.
• Садои замина ва садоҳои мураккаби шароити зиндагии ҳаррӯза муфассал арзёбӣ нашудаанд.
• Дар мавод ва геометрияҳои гуногуни бино тасдиқи умумӣ анҷом дода нашудааст.
• Қирраҳои граф бо кӯтоҳтарин роҳҳо содда карда шудаанд; ҳамаи роҳҳои воқеии интиқол ифода нашудаанд.
• Параметрҳои воқеии эластикӣ ва акустикии унсурҳои сохтмон мустақиман истифода нашудаанд.
• Модел ҷамъоварӣ ва нишондодгузории зиёди додаҳоро талаб мекунад.
• Дақиқии 100 фоиз ба майдони хурд ва муайяни санҷиш дахл дорад.
• Хатари false positive ва айбдоркунии нодуруст дар шикоятҳои воқеии манзилӣ таҳқиқ нашудааст.
• Тағйири дарозмуддати сенсор, таъсири ҳарорат ва намӣ омӯхта нашудааст.

Таҳқиқот чӣ мегӯяд ва чӣ намегӯяд?

Таҳқиқот мегӯяд: Ифода кардани унсурҳои фарш, девор, ҳаво ва қабулкунандаи сохтори оҳану бетонӣ ҳамчун граф метавонад интиқоли иттилоотро байни қисматҳои гуногуни ошёна дар ҷойгиркунии садои зарба бо як сенсор тақвият диҳад. Дар ҳоле ки CNN, VNN ва кросс-коррелятсияе, ки пайвастҳои сохториро истифода намебаранд, дар ошёнаи нодида коҳиши ҷиддии дақиқӣ доштанд, усули граф дар таҷрибаи муайяншуда муваффақияти баланд нишон дод.

Таҳқиқот намегӯяд: Усул кафолат намедиҳад, ки дар ҳар бинои истиқоматӣ манбаи дақиқи садои ҳамсояро пайдо мекунад. Натиҷаҳо далели ҳуқуқӣ нестанд. Модел нишон надодааст, ки якчанд манбаи ҳамзамон, гуфтугӯ, телевизион ё садои умумии ҳавоиро ҷойгир карда метавонад. Дақиқии 100 фоиз иҷроиши умумие нест, ки дар аҳолии васеи биноҳо тасдиқ шудааст.

Усул ва Натиҷаҳои Таҳқиқот

Ҷараёни техникии кори таҳқиқот

Формулаҳои асосӣ

Гиреҳи манбаъ:

\[ \mathbf{h}^{0}_{s} = [\phi \ \mathcal{A}_{v}] \]

Гиреҳи ғайриманбаъ:

\[ \mathbf{h}^{0}_{v \neq source} = [\mathbf{U} \ \mathcal{A}_{v}] \]

Навсозии гиреҳ:

\[ \mathbf{h}^{k}_{v} = \sigma \left( \mathbf{W}^{k} CONCAT \left( \mathbf{h}^{k}_{\mathcal{N}(v)}, \mathbf{h}^{k-1}_{v} \right) \right) \]

Нормализатсияи L2:

\[ \mathbf{h}^{k}_{v} \leftarrow \frac{\mathbf{h}^{k}_{v}} {\left\lVert \mathbf{h}^{k}_{v} \right\rVert_{2}} \]

Оптимизатсияи вазни граф:

\[ \mathbf{W}^{*} = \arg\min_{\mathbf{W}} \mathcal{L} \left( \phi(x_{train,i}), \mathbf{h}^{K}_{r} \right) \]

Пешгӯии манбаъ:

\[ \hat{v} = \arg\min_{v} \mathcal{L} \left( \phi(\tilde{x}_{new}), D \right) \]

Сохтори маҷмӯи додаҳо

Дақиқиҳо дар панҷ тақсимоти дода

Тафсири техникии натиҷаҳо

• Тақсимоти тасдиқ ва санҷиш, сарфи назар аз яксон будани геометрияи нисбӣ, аз рӯи хусусиятҳои садо фарқ мекунанд.
• CNN дар тақсимоти омӯзиш қавӣ аст, аммо ба тағйири domain дар қисми дигари ошёна мутобиқ шуда натавонист.
• Ба VNN додани ҳамон хусусиятҳои сохторӣ худ аз худ кофӣ набуд.
• Усули граф дар баробари хусусиятҳои сохторӣ пайвастҳои байни унсурҳоро низ истифода бурд.
• Намоишҳои t-SNE нишон доданд, ки усули граф чор синфи манбаъро ҳатто дар ошёнаи нодида ҷудо карда тавонист.
• Тасвирҳои интиқоли паём нишон медиҳанд, ки фаъолшавии манбаъ дар тӯли қадамҳои k ба самти қабулкунанда паҳн мешавад.

Соҳаҳои эҳтимолии истифода

• Пайгирии садои зарбаи байниошёнавӣ дар биноҳои ҳушманди истиқоматӣ
• Ҷойгиркунии қадам бо як сенсор
• Муайян кардани афтодан ва бархӯрд дар сатҳи ҳуҷра
• Муайян кардани манбаъҳои ларзиши сохторӣ барои нигоҳдорӣ
• Баррасии пешакии техникии шикоятҳои садо
• Идоракунии автоматии бароҳатӣ ва садои бино

Талаботи таҳқиқоти оянда

• Таҷриба дар биноҳои бештар ва маводҳои гуногуни сохтмонӣ
• Геометрияҳои васеътари манбаъ-қабулкунанда
• Муқоиса бо мавқеъҳои зиёди сенсор
• Ҷудо кардани якчанд манбаи ҳамзамони садо
• Санҷишҳои устуворӣ дар шароити садои замина
• Few-shot learning ва unsupervised learning
• Сохтани автоматии граф аз додаҳои BIM
• Илова кардани хусусиятҳои воқеии физикии мавод ва пайвастҳо ба граф
• Омӯзиши тағйироти дарозмуддати сенсор ва муҳит
• Тавлиди холҳои эътимод ё номуайянӣ барои пешгӯиҳои нодуруст

Ёддошт оид ба Манбаъ ва Усул

Ин мундариҷа ба таҳқиқоти Hwiyong Choi ва Haesang Yang бо унвони “Localization of impact sound in a building via a graph representation” асос ёфтааст.

Ин таҳқиқот кори таҷрибавии зеҳни сунъӣ ва акустикаи сохтмон мебошад, ки унсурҳои фарш, девор, ҳаво ва қабулкунандаи бинои оҳану бетониро ба сохтори графи дорои гиреҳҳо ва қирраҳо табдил медиҳад; садоҳои воқеии зарбаро бо кодгузори бар SoundNet асосёфта коркард мекунад ва бо паҳн кардани иттилооти садо тавассути интиқоли паём дар граф мавқеи манбаъро аз як сенсор пешгӯӣ менамояд.

Дар матн ба таври равшан ибораи “This preprint research paper has not been peer reviewed” оварда шудааст. Таҳқиқот preprint мебошад, ки дар SSRN нашр шудааст ва аз арзёбии ҳамтоён нагузаштааст. Аз ин рӯ, тафсилоти усул, натиҷаи дақиқии 100 фоиз ва шарҳҳои умумисозӣ метавонанд пас аз арзёбии мустақили ҳамтоён тағйир ёбанд.

Гарчанде таҷриба дар бинои воқеии оҳану бетонӣ анҷом дода шудааст, санҷиши асосӣ танҳо чор мавқеи манбаъ, як қабулкунанда, геометрияи маҳдуди манбаъ-қабулкунанда ва навъҳои назоратшавандаи зарбаро фаро гирифт. Усул дар маводҳои гуногуни сохтмон, манбаъҳои сершумори ҳамзамон, садои шадиди замина ё ҷойгиркунии тағйирёбандаи сенсор ба таври васеъ тасдиқ нашудааст.

Дақиқии санҷишии 100 фоиз барои маҷмӯи додаҳои муайяншудаи APT II ва панҷ тақсимоти дода гузориш шудааст. Ин қимат барои ҳамаи биноҳои истиқоматӣ ё шароити воқеии зиндагӣ кафолат нест. Таҳқиқот нишон надодааст, ки усул метавонад ҳамчун абзори ҳуқуқии ошкор кардани садо, муайян кардани масъулияти ҳамсоя ё ченаки расмии акустикӣ истифода шавад.

Мундариҷа танҳо дар асоси усулҳо, маҷмӯи додаҳо, муодилаҳо, ҷадвалҳо, тасвирҳо, натиҷаҳои таҷриба ва маҳдудиятҳои дар PDF мавҷудбуда таҳия шудааст. Ягон даъвои дар PDF набуда дар бораи муваффақияти системаи тиҷоратӣ, муайянкунии қатъии ҳамсоя, кафолати амният ё тасдиқи васеъмиқёси саҳроӣ илова нашудааст.