Co to jest DNN? 5 prostych kroków, żeby zrozumieć czym jest DNN

Czas czytania: 2,5 min.
16.12.20

5 prostych kroków do zrozumienia technik zastosowanych w Oticon More™ 

Oticon wprowadził nowy aparat słuchowy Oticon More™. W nim została zastosowana głęboka sieć neuronowa (DNN), dzięki której możliwe jest uzyskanie jeszcze lepszych wrażeń słuchowych.
Ale co to jest DNN i w jaki sposób to pomaga słyszeć?

 

Brzmi to dość skomplikowanie, ale pozwól nam to wytłumaczyć.

DNN (Deep Neural Network; głęboka sieć neuronowa) DNN to rodzaj automatycznego uczenia się, który odwzorowuje sposób, w jaki uczy się ludzki mózg. Może być wykorzystana do wielu różnych zadań, zarówno tych znanych z życia codziennego, takich jak tłumaczenie języków, czy wyszukiwarka obrazów, jak i takich o których nawet byśmy nie pomyśleli, w tym do diagnostyki medycznej – UCLA wytrenował DNN do wykrywania komórek rakowych! Teraz wykorzystujemy tę technikę w naszych nowych aparatach Oticon More.

Ogólnie rzecz biorąc, DNN uczy się poprzez wielokrotną analizę zbioru danych, na przykład 100 zdjęć różnych psów, zamiast opierać się na regułach opracowanych przez człowieka, na przykład „pies ma czarny nos i oklapłe uszy”.
DNN uczy się w podobny sposób jak ludzi mózg – poprzez ćwiczenie i popełnianie błędów.

Jak to działa:

  1. Komputer otrzymuje dane, takie jak obraz lub dźwięk. Przyjmijmy, że jest to dźwięk trąbki.
    W przeciwieństwie do nas komputer nie wie, co to jest.

  2. Komputer przepuszcza informację o dźwięku przez swoją DNN, rozpoznając część elementów
    i dzieląc je na kategorie – na przykład wysokie i niskie dźwięki.

  3. Kiedy proces ten się zakończy sieć decyduje, czy przeanalizowany dźwięk jest dźwiękiem trąbki,
    czy nie.

  4. Informacja zwrotna dostarczona przez sieć – tak lub nie – wspiera komputer w wzmocnieniu połączenia i podejmowaniu decyzji.

  5. Cały proces jest powtarzany wielokrotnie przy użyciu różnych dźwięków trąbki, do momentu gdy komputer jest w stanie rozpoznać ten dźwięk od razu, tak jak mózg.

Wyobraźmy sobie teraz, że DNN została wytrenowana przy użyciu milionów środowisk dźwiękowych z codziennego życia – restauracji, stacji kolejowej lub ruchliwej ulicy. DNN uczy się rozpoznawać i równoważyć każdy występujący
w nich dźwięk, aby zapewnić dostęp do tych najważniejszych dla Ciebie.

I właśnie to zrobiliśmy! Wytrenowaliśmy DNN za pomocą 12 milionów złożonych scen dźwiękowych z codziennego życia. DNN nauczyła się, jak je analizować, organizować i równoważyć. Po tym, jak nasza sieć uzyskała całą tę niesamowitą wiedzę, była gotowa, aby napędzać Oticon More. Teraz te aparaty mogą wykorzystywać zaawansowane zdolności DNN, aby równoważyć i nadawać priorytet ważnym dla Ciebie dźwiękom, wspierając tym samym funkcjonowanie Twojego mózgu.

 

 

Jakie są korzyści z aparatu wyposażonego w DNN

Wyobraź sobie, że jesteś w restauracji z przyjaciółmi lub rodziną. Osoba na wprost mówi do Ciebie, podczas gdy Ty zbierasz się do wyjścia. Ponieważ tradycyjny aparat słuchowy został wytrenowany do skupiania się na kierunkowości mowy i tłumienia reszty dźwięków – zwłaszcza w głośnym otoczeniu – możesz nie usłyszeć kelnera, który stoi za tobą
z tacą pełną szklanek.

Dzięki DNN Twój mózg ma dostęp do pełnej sceny dźwiękowej, pozwalając Ci usłyszeć osobę siedzącą obok Ciebie, brzęk sztućców przy sąsiednim stoliku i kelnera stojącego za Tobą – wszystko to zrównoważone i wzmocnione
w naturalny sposób.

Dzieje się tak, ponieważ DNN zapewnia Twojemu mózgowi więcej wartościowych informacji dźwiękowych, dzięki którym łatwiej nadążyć za mową, a dźwięk jest wyraźniejszy. Nasze badania pokazują, że przy użyciu DNN w Oticon More pełna scena dźwiękowa jest o 60% wyraźniejsza2.

Zobacz, co nasza grupa testowa miała do powiedzenia na temat Oticon More

 

 

Od uwolnienia się z ograniczeń narzucanych przez głośne sytuacje po odkrywanie na nowo zapomnianych dźwięków, rewolucyjne zastosowanie DNN w Oticon More może odmienić Twoje życie.

Dowiedz się więcej o Oticon More.

Jeżeli chcesz dowiedzieć się więcej o DNN, wejdź na naszą stronę dla profesjonalistów.

 

_________________________________________

[1] Bahram Jalali, Claire Lifan Chen, and Ata Mahjoubfar, University of California, Los Angeles (UCLA)

www.mathworks.com/company/newsletters/articles/cancer-diagnostics-with-deep-learning-and-photonic-time-stretch.html

[2] Santurette, S., Juul Jensen, J., Ng, E.H.N. , Man, K.L.B (2020) Oticon More(TM) Clinical Evidence. Oticon Whitepaper