通过展开迭代阈值化实现用于语音分离的深度循环 NMF
声音
2017-09-22 v1 机器学习
机器学习
摘要
在本文中，我们提出了一种用于语音分离的新型循环神经网络架构。该架构是通过展开求解频谱图稀疏非负矩阵分解 (NMF) 优化问题的序列迭代软阈值算法 (ISTA) 的迭代而构建的。我们将这种网络架构命名为深度循环 NMF (DR-NMF)。所提出的 DR-NMF 网络具有三个明显的优势。首先，DR-NMF 比其他深度架构提供更好的可解释性，因为即使在训练之后，其权重也对应于 NMF 模型参数。这种可解释性还提供了原则性的初始化，与传统的随机初始化相比，能够实现更快的训练并收敛到更好的解。其次，与许多深度网络一样，DR-NMF 在测试阶段比 NMF 快一个数量级，因为网络输出的计算在每个时间步只需要评估几层。第三，当可用训练数据量有限时，与稀疏 NMF 和最先进的长短期记忆 (LSTM) 网络相比，DR-NMF 表现出更强的泛化能力和分离性能。当有大量训练数据可用时，与 LSTM 网络相比，DR-NMF 实现了较低但具有竞争力的分离性能。
引用
@article{arxiv.1709.07124,
title = {Deep Recurrent NMF for Speech Separation by Unfolding Iterative Thresholding},
author = {Scott Wisdom and Thomas Powers and James Pitton and Les Atlas},
journal= {arXiv preprint arXiv:1709.07124},
year = {2017}
}
备注
To be presented at WASPAA 2017