抖动声学频谱子带可更好地正则化情感计算中的学习
声音
2018-04-19 v1 音频与语音处理
摘要
在本工作中,我们研究了一种基于多分支架构、称为 Shake-Shake 正则化的近期提出的正则化技术,用于语音情感识别任务。此外,我们还提出了将领域知识融入模型配置的变体。实验结果表明: 独立抖动子带相较于抖动整个谱-时特征图可得到更优的模型。 若在早停中具备适当的耐心,所提模型可同时优于基线并保持训练与验证间更小的性能差距。
引用
@article{arxiv.1804.06779,
title = {Shaking Acoustic Spectral Sub-bands Can Better Regularize Learning in Affective Computing},
author = {Che-Wei Huang and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:1804.06779},
year = {2018}
}
备注
ICASSP paper with follow-up exps