快速 MVAE：基于带辅助分类器的多通道变分自编码器的混合源联合分离与分类
机器学习
2019-02-14 v2 机器学习
摘要
本文提出了多通道变分自编码器（MVAE，一种近期提出的多通道源分离方法）的一种替代算法。尽管 MVAE 以其令人印象深刻的源分离性能、收敛性有保障的优化算法以及允许在源分离的同时估计源类别标签而著称，但仍存在两个主要缺点，即计算复杂度高和源分类精度不理想。为克服这些缺点，所提方法采用辅助分类器 VAE（条件 VAE 的信息论扩展）来学习源谱图的生成模型。此外，利用训练好的辅助分类器，我们引入了一种新的优化算法，不仅能够减少计算时间，还能提升源分类性能。我们将所提方法称为“快速 MVAE（fMVAE）”。实验评估表明，fMVAE 取得了与 MVAE 相当的源分离性能以及约 80% 的源分类准确率，同时减少了约 93% 的计算时间。
引用
@article{arxiv.1812.06391,
title = {Fast MVAE: Joint separation and classification of mixed sources based on multichannel variational autoencoder with auxiliary classifier},
author = {Li Li and Hirokazu Kameoka and Shoji Makino},
journal= {arXiv preprint arXiv:1812.06391},
year = {2019}
}