기존 연구는 주로 수중 선박 엔진 음향 분류를 위한 특징으로 단시간 푸리에 변환(short-time Fourier transform, STFT)을 통해 생성된 스펙트로그램을 활용한다. 그러나 이러한 특징은 STFT 과정에서 정의되는 매개변수에 의해 제약을 받으며, 이는 분류에 필요한 정보의 범위를 제한할 가능성이 있다. 본 논문은 이러한 한계를 해결하기 위해 서로 다른 창(window) 크기를 사용해 생성한 다중 해상도 스펙트로그램을 3차원 텐서로 구성하고, 이를 텐서 인수분해 신경망(Tensor Factorized Neural Network, TFNN)으로 분류하는 방법을 제안한다. 이 3차원 텐서는 여러 시간 및 주파수 해상도에 걸친 특징을 결합함으로써 보다 효율적인 학습을 가능하게 한다. 공개적으로 이용 가능한 선박 엔진 음향 데이터셋을 사용한 실험 결과는, 3차원으로 구조화된 텐서 특징을 적용할 때 기존에 사용되던 특징들에 비해 더 우수한 분류 성능을 달성함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.