用于基于 DNN 的声学场景分类的分层学习
声音
2016-08-16 v3 计算机视觉与模式识别
机器学习
摘要
在本文中，我们提出了一种基于深度神经网络（DNN）的声学场景分类框架。我们提出了两种分层学习方法，通过结合环境声音的分层分类信息来提高 DNN 基线性能。首先，通过所提出的分层预训练来初始化 DNN 的参数。然后采用多级目标函数对基于交叉熵的损失函数施加更多约束。在声学场景和事件检测与分类（DCASE）2016 挑战赛的任务 1 上进行了一系列实验。与基于高斯混合模型（GMM）的基准系统相比，最终的基于 DNN 的系统在四个标准折交叉验证的平均场景分类错误率上实现了 22.9% 的相对提升。
引用
@article{arxiv.1607.03682,
title = {Hierarchical learning for DNN-based acoustic scene classification},
author = {Yong Xu and Qiang Huang and Wenwu Wang and Mark D. Plumbley},
journal= {arXiv preprint arXiv:1607.03682},
year = {2016}
}
备注
5 pages, DCASE 2016 challenge workshop paper, poster