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。
音声強調タスクは,深い学習技術の進歩により著しい改善が見られたが,計算複雑度の増加のコストで,大きな改善が見られた。本研究では,オーディオスペクトルを効率的に表現する局所感性ハッシュ符号を学習するための適応ブースティングアプローチを提案した。複雑な機械学習モデルに代わるものとして,単一チャネル音声雑音除去タスクのための学習ハッシュコードを使用し,特に資源制約環境を扱う。著者らの適応ブースティングアルゴリズムは,弱い学習者として単純なロジスティック回帰者を学習する。一旦訓練すると,それらの二値分類結果は,テスト雑音のある音声の各スペクトルをビットストリングに変換する。簡単なビットワイズ操作はHamming距離を計算して,訓練ノイズのある音声スペクトルの辞書におけるK-最近傍整合フレームを見つけ,それに関連した理想的バイナリマスクを平均化して,この試験混合物のための雑音除去マスクを推定した。提案学習アルゴリズムは,ハッシュ符号の自己相似行列と誤分類率よりも元のスペクトルのものの間の距離を最小化するために,射影が訓練されるという意味でAdaBoostとは異なっている。種々の雑音型を持つTIMITコーパス上の識別ハッシュ符号を評価し,雑音除去性能と複雑性の観点から深層学習法に対する比較性能を示した。【JST・京大機械翻訳】