The Learning System of Infant Cry using Extreme Learning Machines

Abstract

The objective of this research is to extract the characteristics of the signal using with Discrete Wavelet Transform (DWT) method from Haar, Coif1, Db2, Sym2 and Bior3.1 wavelet function by considering the most suitable filter frequency values from the Global Threshold. The appropriate filter will make the retained energy equal to the number of zeros. When receiving the filter level, the appropriate frequency of the signal then extracted the features of the Infant cry and the value will be the coefficient of signal. After that, the coefficient of feature extraction was applied to a neural network for identify infants crying with Extreme Learning Machine (ELM). The research has studied and tested the data classification by defining the machine learning model by the single layer neural feed forward (SLNF) that consists of the input layer, Hidden layer and output layer. By defining models for comparing accuracy data of classification, infants crying, number of hidden layers at 10 - 50 nodes and rate of training per test model at 70:30. The accuracy of the data classification will provide the appropriate value from the Epoch number of learning on the validation, and performance of the model with the relationship of significance value. The results showed that when testing a total of 25 signals form baby language groups, the crying of an infant was "Eh" "Eairh" "Neh" "Heh" "Owh" through the extraction with the Haar Wavelet function and bring the data to learn in the hidden model at 20 nodes. Get the best accuracy value for the infants cry at 94.74% which gives the relationship value from the performance value of a learning 0.686 and the number of learning that is most 9 Epoch.

งานวิจัยฉบับนี้มีวัตถุประสงค์เพื่อสกัดคุณลักษณะของสัญญาณเสียงด้วยวิธีการแปลงเวฟเล็ตเต็มหน่วยจากฟังก์ชันเวฟเล็ต Haar , Coif1 , Db2, Sym2 และ Bior3.1 โดยพิจารณาหาค่าตัวกรองความถี่ที่เหมาะสมที่สุดจากค่า Global Threshold ซึ่งตัวกรองที่เหมาะสมจะทำให้ค่าเปอร์เซ็ต์ของพลังงานสัญญาณ(Retained energy) มีค่าเท่ากับค่าของจำนวนตัวกรองระดับศูนย์(Number of zeros) เมื่อได้ค่าระดับตัวกรองความถี่ที่เหมาะสมของสัญญาณแล้วจึงนำมาสกัดคุณลักษณะสำคัญของเสียงร้องไห้เด็กทารก และค่าที่ได้จะเป็นค่าสัมประสิทธิ์ของแต่ละสัญญาณเสียง นำค่าสัมประสิทธิ์ที่ผ่านการสกัดคุณลักษณะเข้าตัวแบบโครงข่ายประสาทเทียมเพื่อจำแนกเสียงร้องไห้เด็กทารกด้วยเครื่องจักรเรียนรู้แบบเอ็กซ์ตรีม(Extreme Learning Machine: ELM) งานวิจัยได้ศึกษาและทดลองการจำแนกข้อมูลด้วยการกำหนดตัวแบบการเรียนรู้ของเครื่องโดยโครงสร้างของตัวแบบเป็นชนิดชั้นเดียว(Single Layer Neural Feed Forward: SLNF) ที่ประกอบไปด้วยชั้นข้อมูลนำเข้า(Input layer) ชั้นซ่อน(Hidden layer) และชั้นผลลัพธ์(Output layer) โดยกำหนดตัวแบบสำหรับการเปรียบเทียบประสิทธิ์ภาพค่าความถูกต้องในการจำแนกข้อมูลเสียงร้องไห้เด็กทารกของจำนวนชั้นซ่อนที่ 10 – 50 โหนด และอัตราการฝึกสอนต่อการทดสอบตัวแบบที่ 70 ต่อ 30 ค่าความถูกต้องในการจำแนกข้อมูลจะให้ค่าที่เหมาะสมจากจำนวนรอบการเรียนรู้(Epoch) ต่อค่าประเมินการวิเคราะห์ความเหมาะสม(Validation) และค่าประสิทธิภาพการทำงานของตัวแบบ(Performance) ที่มีค่านัยสำคัญที่สอดคล้องกัน ผลการทดลองพบว่าเมื่อนำสัญญาณเสียงทดสอบทั้งสิ้น 25 เสียงจากกลุ่มภาษาเสียงร้องไห้เด็กทารกคือ “Eh” “Eairh” “Neh” “Heh” “Owh”ผ่านการสกัดคุณลักณะสำคัญของเสียงด้วยฟังก์ชัน Haar เวฟเล็ต และนำข้อมูลเข้าเรียนรู้ในตัวแบบชั้นซ่อนที่ 20 โหนด ได้ค่าความถูกต้องดีที่สุดสำหรับการจำแนกเสียงร้องไห้เด็กทารกที่ 94.74 เปอร์เซ็นต์ ซึ่งให้ค่าความสัมพันธ์จากค่าประสิทธิภาพของระบบตัวแบบการเรียนรู้ที่ 0.686 และจำนวนรอบของการเรียนรู้ตัวแบบที่เหมาะสมที่สุดได้ 9 รอบ