文献

J-GLOBAL ID：201902290072096699   整理番号：19A1487667

単耳歌声分離のための近位深部リカレントニューラルネットワーク【JST・京大機械翻訳】

Proximal Deep Recurrent Neural Network for Monaural Singing Voice Separation

著者 (5件)： Yuan Weitao (Tianjin Key Laboratory of Autonomous Intelligence Technology and Systems, Tianjin Polytechnic University, China) ,  Wang Shengbei (Tianjin Key Laboratory of Autonomous Intelligence Technology and Systems, Tianjin Polytechnic University, China) ,  Li Xiangrui (Tianjin Key Laboratory of Autonomous Intelligence Technology and Systems, Tianjin Polytechnic University, China) ,  Unoki Masashi (Japan Advanced Institute of Science and Technology, Japan) ,  Wang Wenwu (University of Surrey, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 286-290  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近の深い学習法は,モノラルの音声分離(msvs)のための最先端の性能を提供することができる。これらの深い方法では,リカレントニューラルネットワーク(RNN)が広く使われている。本研究では,新しい層間構造を導入することにより,従来のStacked RNN(S-RNN)を改善する,msvsに対する新しいタイプのDeep RNN(DRNN),すなわちProximal DRNN(P-DRNN)を提案した。層間構造は,モノラルソース分離(MSS)のための最適化問題から導出される。従って,これにより,提案したP-DRNNにおける新しい階層的処理が,異なる層と入力からのスキップ接続との間の明示的な状態移動により可能になり,それはソース分離に対して効率的である。最後に,提案した手法をMIR-IKデータセット上で評価し,その有効性を検証した。数値結果は,P-DRNNが従来のS-RNNといくつかの最近のmsvs方法より良く機能することを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化問題 ,  *学習 ,  有効性 ,  *リカレントニューラルネットワーク ,  *歌声
準シソーラス用語： 音声分離 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 単耳 ,  歌声 ,  深部 ,  リカレントニューラルネットワーク