用于声学新颖性检测的随机层循环神经网络
音频与语音处理
2019-04-24 v1 机器学习
声音
摘要
在本文中，我们将最擅长生成文本、音乐与语音的随机层循环神经网络（Recurrent Neural Networks with Stochastic Layers）应用于声学新颖性检测问题。通过将不确定性整合进隐藏状态，此类网络能够学习复杂序列的分布。由于学到的分布可用概率显式计算，我们可评估某一观测出现的可能性，进而将低概率事件检测为新颖事件。该模型鲁棒、高度无监督、端到端，且只需极少的预处理、特征工程或超参数调优。在基准数据集上的实验表明，我们的模型优于当前最先进的声学新颖性检测器。
引用
@article{arxiv.1902.04980,
title = {Recurrent Neural Networks with Stochastic Layers for Acoustic Novelty Detection},
author = {Duong Nguyen and Oliver S. Kirsebom and Fábio Frazão and Ronan Fablet and Stan Matwin},
journal= {arXiv preprint arXiv:1902.04980},
year = {2019}
}
备注
Accepted to ICASSP 2019