用于音频分类的掩码条件神经网络
机器学习
2019-03-26 v2 机器学习
声音
音频与语音处理
摘要
我们提出为时序信号识别而设计的条件神经网络 (CLNN) 与掩码条件神经网络 (MCLNN)。CLNN 考虑了声音信号的时序特性，MCLNN 通过二值掩码在 CLNN 基础上扩展，以保留特征的空间局部性，并允许对特征组合进行自动探索，类似于为识别任务手工打造最相关特征。MCLNN 在 GTZAN 与 ISMIR2004 音乐数据集上取得了具有竞争力的识别准确率，超越了应用于这两个数据集的多种最先进的基于神经网络的架构与手工方法。
引用
@article{arxiv.1803.02421,
title = {Masked Conditional Neural Networks for Audio Classification},
author = {Fady Medhat and David Chesmore and John Robinson},
journal= {arXiv preprint arXiv:1803.02421},
year = {2019}
}
备注
Restricted BoltzmannMachine, RBM, Conditional Restricted Boltzmann Machine, CRBM, Music Information Retrieval, MIR, Conditional Neural Network, CLNN, Masked Conditional Neural Network, MCLNN, Deep Neural Network