文献

J-GLOBAL ID：202102245361503352   整理番号：21A0446159

SI-SDR損失関数に基づく単耳音源分離【JST・京大機械翻訳】

A SI-SDR Loss Function based Monaural Source Separation

著者 (4件)： Li Shuai (Chongqing University of Posts and Telecommunications,School of Communication and Information Engineering,Chongqing,China) ,  Liu Hongqing (Chongqing University of Posts and Telecommunications,Chongqing Key Lab of Mobile Communications Technology,Chongqing,China) ,  Zhou Yi (Chongqing University of Posts and Telecommunications,School of Communication and Information Engineering,Chongqing,China) ,  Luo Zhen (Chongqing University of Posts and Telecommunications,School of Communication and Information Engineering,Chongqing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSP  ページ： 356-360  発行年： 2020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： 深層ニューラルネットワークは,今日,音声信号処理の分野で様々なタスクを行う上で非常に一般的である。本研究は,単一チャネル(単チャネル)条件下のソース分離の問題を主に研究し,これは,情報の単一チャネルのみが利用可能であり,制約なしに,無限数の解が可能であるので,より挑戦的である。2つのソースを含む混合物からの信号再構成の深い構造と規則性を発見するための回帰モデルとして,深いリカレントニューラルネットワーク(DRNN)を導入した。異なるソース間の干渉問題を軽減するために,スケール不変信号対歪比(SI-SDR)損失関数と識別ネットワーク訓練基準を一緒に統合し,新しい訓練目的関数を生成した。実験結果は,提案方法が他の方式と比較して優れた性能を生み出すことを示した。Copyright 2021 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： 干渉 ,  *損失関数 ,  ネットワーク ,  規則度 ,  目的関数 ,  回帰モデル ,  チャネル
準シソーラス用語： リカレントニューラルネットワーク ,  *音源分離 ,  信号再構成 ,  音声信号処理 ,  ディープニューラルネットワーク , 【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 (5件)： Si ,  SDR ,  損失関数 ,  単耳 ,  音源分離