用于语音检测的增强型因子化三向受限玻尔兹曼机

在本文中，我们提出增强型因子化三向受限玻尔兹曼机（EFTW-RBMs）用于语音检测。所提模型通过乘以第三单元的动态状态来实现条件特征学习，从而允许对可见-隐藏节点对进行调制。不同于以递归方式将先前语音帧堆叠为第三单元，我们将相关权重系数分配给上下文相邻帧。具体而言，设计了一个阈值函数以捕获长期特征并融合全局存储的语音结构。引入因子化低秩近似来减少三维交互张量的参数，并施加非负约束以解决稀疏特性。通过ROC曲线下面积（AUC）和信号失真比（SDR）的验证表明，我们的方法在各种噪声环境中优于几种现有的1D和2D（即时间和时频域）语音检测算法。