如何利用機器學習判斷訊號 (例如：聲音) 並分類 ? 以下介紹大致的方向。
簡介
- 可以使用的演算法：SVM, PCA, 與各種不同的類神經網路(NN)。
- 可使用類神經網路 (NN) 和 卷積類神經網路 (CNN) 辨識聲音。根據以下參考資料的描述，將聲音轉成頻域會有較佳的預測正確率。
- RNN、LSTM 適合在時域上的輸入，其目標之一為根據學習內容序列的結果，預測內容序列的下一個值為何。也適合用在如內容序列翻譯等等的場合。
- 可以多嘗試看看不同的演算法，找出最佳的解答。
注意
- 留意收集的內容，若是較長的連續訊號，如何分段 (分類) ?
- 取樣的品質如何 ? 是否在不同的訊號上，有著明顯的區別 ? 這與你的取樣器材、取樣格式有著一定關係。
- 找到合適的演算法後，留意其他人分析該種訊號時，通常需要到多高的準確率才算合理 ?
參考資料
以下連結可以告訴你，什麼狀況下要用什麼樣的演算法處理問題。