抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
環境音分類(ESC)は,通常,logメル特徴のような手製特徴に基づいて実施した。一方,エンドツーエンド分類システムは,分類と特徴抽出を行う併用,特に画像分類の成功を達成した。同様に,環境音は生波形から学んだ直接できれば,私たちは,人手により設計されたできなかった分類のための効果的な新しい特徴を抽出できるようになり,この新しい特徴は,分類性能を改善することができた。本論文では,畳込みニューラルネットワーク(CNN)を用いた新しいエンドツーエンドESCシステムを提案した。ESC,50上で提案システムの分類精度は静的logメル特徴を持つlogmel CNNを用いた時に達成したそれより5.1%高かった。更に,筆者らは静的及びデルタlogメル特徴と最新logmel CNN上での分類精度が6.5%改善を達成し,このシステムとlogmel CNNを組み合わせることにより単純化した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】