基于变分自编码器的环境声学感知代价敏感检测

Yunpeng Li; Ivan Kiskin; Davide Zilli; Marianne Sinka; Henry Chan; Kathy Willis; Stephen Roberts

基于变分自编码器的环境声学感知代价敏感检测

机器学习 2017-12-08 v1 机器学习

作者: Yunpeng Li , Ivan Kiskin , Davide Zilli , Marianne Sinka , Henry Chan , Kathy Willis , Stephen Roberts

摘要

环境声学感知涉及音频信号的检索与处理，以更好地理解我们的环境。尽管大规模声学数据使人工分析不可行，它们却为机器学习方法提供了适宜的试验场。现有多数针对环境声学感知开发的机器学习技术，无法灵活控制假阳性率与假阴性率之间的权衡。本文提出一种代价敏感分类范式，其中分类器的超参数与变分自编码器的结构在一个有原则的Neyman-Pearson框架中被选取。我们利用HumBug项目的数据集检验所提方法的性能，该项目旨在借助简易嵌入式设备采集的声音来检测蚊子的存在。

关键词

环境声学感知代价敏感分类变分自编码器 Neyman-Pearson框架蚊子检测

引用

@article{arxiv.1712.02488,
  title  = {Cost-sensitive detection with variational autoencoders for environmental acoustic sensing},
  author = {Yunpeng Li and Ivan Kiskin and Davide Zilli and Marianne Sinka and Henry Chan and Kathy Willis and Stephen Roberts},
  journal= {arXiv preprint arXiv:1712.02488},
  year   = {2017}
}

备注

Presented at the NIPS 2017 Workshop on Machine Learning for Audio Signal Processing

基于变分自编码器的环境声学感知代价敏感检测

摘要

关键词

引用

备注

相关论文