Combolution 神经网络

为设计机器学习模型时选择合适的归纳偏置是一个关键步骤，尤其是在处理音频任务时，因为即使是短段音频也可能包含数百万个采样点。为此，我们提出 combolution 层：一种学习型延迟 IIR comb 滤波器和融合包络检测器，能够从时域提取和谐特征。我们在三个信息检索任务上展示了 combolution 层的有效性，评估其计算成本相对于其他音频前端的效率，并提供高效的训练实现。我们发现，combolution 层是音频任务中有效的卷积层替代品，尤其是在需要精确谐波分析的任务中，例如钢琴转位、说话人识别和调性检测。此外，combolution 层还为现有前端所提供的其他关键优势包括：低参数数量、高效 CPU 推理、严格实值计算以及 improved 可解释性。