BeeVe：基于无监督学习的蜜蜂嗡鸣声学状态发现
声音
2026-05-11 v1 人工智能
摘要
在计算智能中，无监督发现生物信号结构是基本问题，但现有生物声学方法假设声音产生模型或预定义语义单元，导致非声带类物种服务不足。本工作引入BeeVe，一个用于集体蜜蜂嗡鸣声学状态无监督发现的框架。BeeVe使用自监督Patchout Spectrogram Transformer (PaSST)作为冻结特征提取器，然后在这些嵌入上训练无标签的向量量化变分自编码器（VQ-VAE），直接从无标签 hive 音频中学习有限的离散码本。任何阶段均不使用标签、预置任务或对比目标。后验评估显示所学习的token与已知的蜚王状态分离，Jensen-Shannon 散度值在0.609至0.688之间，且蜚王缺失条件进一步分解为三个在不同码本大小和随机种子下均稳定的内部一致子状态。token 转换分析确认所有实验中均存在非随机序列结构（p << 0.001）。对未见录音的泛化性保持token重叠（Jaccard = 0.947）和全局流形拓扑。这些结果表明，无监督离散码本学习可在无需标注的情况下从非声带类生物信号中恢复可重复的声学结构，为无侵入式声学 hive 健康监测开辟了路径。
引用
@article{arxiv.2605.07903,
title = {BeeVe: Unsupervised Acoustic State Discovery in Honey Bee Buzzing},
author = {Hamze Hammami and Nidhal Abdulaziz},
journal= {arXiv preprint arXiv:2605.07903},
year = {2026}
}