同态信号处理与深度神经网络之间：构建用于复调音乐转写的深度算法
声音
2017-06-27 v1 神经与进化计算
摘要
本文提出了一种通过应用同态信号处理技术来理解深度神经网络（DNN）如何工作的新方法。聚焦于多音高估计（MPE）任务，本文展示了广义倒谱与DNN在结构和功能上的等价关系。这种等价关系，连同音高感知理论以及最近建立的球面上校正相关（RECOS）滤波器分析，提供了一种替代方式来解释非线性激活函数和多层结构的作用，这两者均存在于倒谱和DNN中。为验证该新方法的有效性，提出了一种以相同方式设计的用于音高显著函数的新特征。该新特征在MPE任务中优于单层频谱，并且如预测的那样，它解决了缺失基频效应问题，并实现了更好的噪声鲁棒性。
引用
@article{arxiv.1706.08231,
title = {Between Homomorphic Signal Processing and Deep Neural Networks: Constructing Deep Algorithms for Polyphonic Music Transcription},
author = {Li Su},
journal= {arXiv preprint arXiv:1706.08231},
year = {2017}
}