본 논문은 수식 기반 방법을 통해 매개변수적으로 합성된 음향 신호를 활용하여 환경 음향 분석 모델을 사전 훈련하기 위한 새로운 수식 기반 지도 학습(FDSL) 프레임워크를 제안합니다. 특히, 음향 사건 탐지(SED)에 대한 상세한 절차와 효과를 평가합니다. SED 작업은 충분한 양의 정확하게 라벨링된 훈련 데이터를 얻기 어렵다는 어려움이 있습니다. 또한, 수동으로 주석이 달린 레이블에는 종종 노이즈가 포함되고 주석자의 주관적인 판단에 크게 영향을 받는 것으로 알려져 있습니다. 이러한 문제를 해결하기 위해, 음향 데이터가 수학 공식에만 기반하여 생성되는 합성 데이터셋인 Formula-SED를 활용하는 새로운 사전 훈련 방법을 제안합니다. 제안된 방법은 각 시간 단계에 적용된 합성 매개변수를 정답 레이블로 사용하여 대규모 사전 훈련을 가능하게 하며, 레이블 노이즈와 편향을 제거합니다. DCASE2023 Challenge Task 4에 사용된 DESED 데이터셋의 결과를 통해 Formula-SED를 사용한 대규모 사전 훈련이 모델 정확도를 크게 향상시키고 훈련 속도를 높인다는 것을 보여줍니다.
