[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما :: ::
:: سال 10، شماره 1 - ( دو فصل‌نامه انجمن مهندسی صوتیات ايران بهار و تابستان 1401 ) ::
جلد 10 شماره 1 صفحات 66-54 برگشت به فهرست نسخه ها
بررسی عملکرد روش‌های مبتنی بر یادگیری ماشین در تخمین زمان واخنش کلاس درس با استفاده از شبکه‌های عصبی (مقاله پژوهشی)
معصومه شفیعیان*، سلمان نوری زه‌آب
چکیده:   (147 مشاهده)
کلاس­‌های درس به‌عنوان یکی از مهم‌ترین محیط‌­های آموزشی نقش عمده‌­ای در یادگیری و پیشرفت تحصیلی دانش‌­آموزان دارند. زمان واخنش به‌عنوان یکی از مهم‌ترین شبه‌سنج‌های صوتی در داخل اتاق‌­ها، تأثیر بسزایی در کیفیت صدا دارد. عدم ‌کارآیی مناسب فرمول‌های کلاسیک مانند سابین، باعث شد که در این مقاله به بررسی استفاده از روش‌های یادگیری ماشین به‌عنوان یک روش جایگزین برای پیش‌بینی زمان واخنش محیط پرداخته شود. در این پژوهش ابتدا با استفاده از روش­‌های مبتنی بر صوتیّات هندسی و با استفاده از نرم‌افزار اودئون به جمع­‌آوری مجموعه دادگان مورد نیاز در بسامد‌های 500 و 2000 هرتز پرداخته می‌­شود. در این مجموعه دادگان چهار کلاس درس با فضایی مستطیل شکل، همراه با عنصر­هایی مانند میز و صندلی و پنجره و در، استفاده شد. پس از آن به‌منظور ارائه یک سامانه مبتنی بر یادگیری ماشین از شبکه­ عصبی پرسپترون چندلایه و شبکه عصبی مبتنی بر توابع پایه شعاعی به همراه الگوریتم خوشه‌بندی کی- میانگین و هم‌چنین شبکه عصبی کانولوشن استفاده شده است. این الگو‌ها ویژگی­‌های محیط را در نظر می‌­گیرند و در نهایت مقادیر زمان واخنش را به‌عنوان تابعی از بسامد برآورد می‌­کنند. در این پژوهش با استفاده از شبکه عصبی پرسپترون چندلایه برای بسامد 500 هرتز، ضریب تعیین 93 درصد و برای بسامد 2000 هرتز، ضریب تعیین 95 درصد حاصل شد. هم‌چنین با استفاده از شبکه عصبی مبتنی بر توابع پایه شعاعی برای بسامد 500 هرتز، ضریب تعیین 82 درصد و برای بسامد 2000 هرتز، ضریب تعیین 89 درصد ثبت شد. هم‌چنین با استفاده از شبکه عصبی کانولوشن یک- بعدی برای بسامد 500 هرتز، ضریب تعیین 94 درصد و برای بسامد 2000 هرتز ضریب تعیین 96 درصد ثبت شد.

واژه‌های کلیدی: صوتیّات کلاس درس، زمان واخنش، پرسپترون چندلایه، توابع پایه شعاعی، کانولوشن یک- بعدی.
متن کامل [PDF 1168 kb]   (113 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سازه صوتیّات
دریافت: 1400/8/29 | پذیرش: 1401/6/13 | انتشار: 1401/6/31
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Shafieian M, Nouri Zehab S. Investigating the performance of machine learning-based methods in classroom reverberation time estimation using neural networks (Research Article). مجله علمی پژوهشی انجمن مهندسی صوتیات ایران 2022; 10 (1) :54-66
URL: http://joasi.ir/article-1-229-fa.html

شفیعیان معصومه، نوری زه‌آب سلمان. بررسی عملکرد روش‌های مبتنی بر یادگیری ماشین در تخمین زمان واخنش کلاس درس با استفاده از شبکه‌های عصبی (مقاله پژوهشی). مجله علمی پژوهشی انجمن مهندسی صوتیات ایران 1401; 10 (1) :66-54

URL: http://joasi.ir/article-1-229-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
سال 10، شماره 1 - ( دو فصل‌نامه انجمن مهندسی صوتیات ايران بهار و تابستان 1401 ) برگشت به فهرست نسخه ها
مجله علمی-پژوهشی انجمن علوم صوتی ایران Journal of Acoustical Society of Iran
Persian site map - English site map - Created in 0.05 seconds with 30 queries by YEKTAWEB 4540