基于掩蔽条件神经网络的環境声音识别
机器学习
2019-04-12 v2 声音
音频与语音处理
机器学习
摘要
用于声音识别的基于神经网络的架构通常改编自其他应用领域，可能未利用声音相关特性。条件神经网络（CLNN）旨在考虑时间信号中跨帧的关联特性，其扩展——掩蔽条件神经网络（MCLNN）——在网络中嵌入了滤波器组行为，迫使网络在频带而非频箱上学习。此外，它自动探索不同的特征组合，类似于为识别任务手工制作最优特征组合。我们将 MCLNN 应用于 ESC-10 数据集的环境声音。与最先进的卷积神经网络和手工设计方法相比，MCLNN 取得了具有竞争力的准确率。
引用
@article{arxiv.1804.02665,
title = {Environmental Sound Recognition using Masked Conditional Neural Networks},
author = {Fady Medhat and David Chesmore and John Robinson},
journal= {arXiv preprint arXiv:1804.02665},
year = {2019}
}
备注
Boltzmann Machine, RBM, Conditional RBM, CRBM, Deep Neural Network, DNN, Conditional Neural Network, CLNN, Masked Conditional Neural Net-work, MCLNN, Environmental Sound Recognition, ESR, Advanced Data Mining and Applications (ADMA) Year: 2017