本研究探讨了手持吸入器使用的低依从性问题，利用wav2vec 2.0模型对吸入器声音进行分类，结果显示模型在数据集上的准确率达到98%。研究首次展示了智能手表在监测吸入器使用依从性方面的潜力。

本研究通过构建28个类别的声音分类法和数据集，解决了声音分类中高内部类变异性的问题。采用音频嵌入技术编码声学和语义信息，提高了分类准确性，强调了深入研究各阶段的重要性。

本研究应用机器学习检测儿童保育机构中的虐待场景，提高儿童安全性。通过分类和识别儿童声音，预测儿童当前发出的声音并发送警报。同时使用视频图像分类，提高虐待侦测准确性，减少儿童受虐可能性。数据集来自儿童保育机构录制的声音，使用CNN神经网络分类，准确率约92%。