Краткое содержание

arXiv:2511.12158v1 Тип: новая работа Аннотация: Во многих исследованиях в области биоакустики, нейробиологии и лингвистики птичьи песни используются в качестве модельных систем для получения знаний в различных областях. Разработка моделей, как правило, требует точных аннотаций на уровне слогов. Следовательно, востребованы автоматизированные и эффективные по данным методы, снижающие стоимость аннотирования. В данной работе представлена легковесная, но производительная нейросетевая архитектура для аннотирования птичьих песен, названная Residual-MLP-RNN. Затем представлен надежный трехэтапный конвейер обучения для создания достоверных детекторов слогов птичьей песни с минимальными затратами труда экспертов. Первый этап — это самообучение на неразмеченных данных. Исследуются две наиболее успешные парадигмы предварительного обучения: маскированное предсказание и онлайн-кластеризация. Второй этап — это обучение с учителем с эффективной аугментацией данных для создания робастной модели пофреймового обнаружения слогов. Третий этап — это полуавтоматическое дообучение, которое использует