基于半监督时间卷积与表示学习的实时声学异常检测
声音
2024-10-28 v1 机器学习
音频与语音处理
摘要
本研究提出了一种创新的实时声学异常检测方法。该方法将半监督时间卷积与表示学习相结合，并采用混合模型策略，利用时间卷积网络（TCN）有效处理声学数据中各种复杂的异常模式。与已有研究相比，所提出的模型展现出更优越的性能，凸显了该方法的有效性。我们不仅提供了其优越性的定量证据，还通过可视化表示（如t-SNE图）进一步证实了模型的有效性。
引用
@article{arxiv.2410.19722,
title = {Temporal Convolution-based Hybrid Model Approach with Representation Learning for Real-Time Acoustic Anomaly Detection},
author = {Sahan Dissanayaka and Manjusri Wickramasinghe and Pasindu Marasinghe},
journal= {arXiv preprint arXiv:2410.19722},
year = {2024}
}
备注
10 pages, 10 figures, ICMLC2024