利用软动态时间规整稳定训练：以弱对齐目标下的音高类估计为例

软动态时间规整（SDTW）是一种可微损失函数，允许利用弱对齐数据训练神经网络。通常，SDTW用于迭代计算和细化软对齐，以补偿训练数据与其弱标注目标之间的时间偏差。一个主要问题是，在训练早期阶段估计的软对齐与参考对齐之间的不匹配会导致错误的参数更新，使整体训练过程不稳定。本文以音乐录音中的音高类估计任务为示例，研究此类稳定性问题。具体而言，我们引入并讨论了三种概念上不同的策略（超参数调度、对角先验和序列展开策略），旨在稳定中间的软对齐结果。最后，我们报告了证明这些策略有效性的实验，并讨论了效率与实现问题。