观测与未观测分布的神经分离
机器学习
2019-05-17 v2 计算与语言
音频与语音处理
机器学习
摘要
分离混合分布是机器学习和信号处理中的一个长期挑战。当前大多数方法要么依赖于对源分布做强假设，要么依赖于在混合物中具有每个源的训练样本。在这项工作中，我们引入了一种新方法——Neural Egg Separation——来解决从来自未观测分布的信号与来自观测分布的信号相加混合中提取信号的问题。我们的方法迭代地学习从未知分布的逐步更精细估计中分离已知分布。在某些设置中，Neural Egg Separation 对初始化敏感，因此我们引入了潜混合掩蔽（Latent Mixture Masking）以确保良好的初始化。在音频和图像分离任务上的大量实验表明，我们的方法优于使用相同监督水平的当前方法，并且通常达到与全监督相似的性能。
引用
@article{arxiv.1811.12739,
title = {Neural separation of observed and unobserved distributions},
author = {Tavi Halperin and Ariel Ephrat and Yedid Hoshen},
journal= {arXiv preprint arXiv:1811.12739},
year = {2019}
}
备注
ICML'19