تخمین زمان واخنش کلاس درس با استفاده از شبکه عصبی کانولوشن

کلاس درس به عنوان یکی از مهم ترین محیط های آموزشی نقش عمده ای در یادگیری و پیشرفت تحصیلی دانش آموزان دارد. زمان واخنش به عنوان یکی از پارامترهای آکوستیکی در داخل اتاق ها، تاثیر بسزایی در کیفیت صدا دارد. عدم کارآیی مناسب فرمول های کلاسیک مانند سابین، باعث شد که در این مقاله به بررسی استفاده از روش های یادگیری ماشین به عنوان یک روش جایگزین برای پیش بینی زمان واخنش محیط پرداخته شود. در این پژوهش ابتدا با استفاده از روش های مبتنی بر آکوستیک هندسی و با استفاده از نرم افزار اودیون به جمع آوری مجموعه دادگان مورد نیاز در فرکانس های 500 و 2000 هرتز پرداخته می شود. در این مجموعه دادگان از 4 کلاس درس با فضایی مستطیل شکل، همراه با المان هایی مانند میز و صندلی و پنجره و در، استفاده شد. پس از آن به منظور ارایه یک سیستم مبتنی بر یادگیری ماشین از شبکه عصبی کانولوشنی استفاده شده است. این مدل ویژگی های محیط را در نظر می گیرد و در نهایت مقادیر زمان واخنش را به عنوان تابعی از فرکانس تولید می کند. در این پژوهش با استفاده از شبکه عصبی کانولوشنی برای فرکانس 500 هرتز به ضریب تعیین 93 درصد و برای فرکانس 2000 هرتز، ضریب تعیین 95 درصد حاصل شد.