![](/images/graphics-bg.png)
Deep Recurrent Neural Network-Based Autoencoders for Acoustic Novelty Detection
المؤلفون المشاركون
Marchi, Erik
Vesperini, Fabio
Schuller, Björn
Squartini, Stefano
المصدر
Computational Intelligence and Neuroscience
العدد
المجلد 2017، العدد 2017 (31 ديسمبر/كانون الأول 2017)، ص ص. 1-14، 14ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2017-01-15
دولة النشر
مصر
عدد الصفحات
14
التخصصات الرئيسية
الملخص EN
In the emerging field of acoustic novelty detection, most research efforts are devoted to probabilistic approaches such as mixture models or state-space models.
Only recent studies introduced (pseudo-)generative models for acoustic novelty detection with recurrent neural networks in the form of an autoencoder.
In these approaches, auditory spectral features of the next short term frame are predicted from the previous frames by means of Long-Short Term Memory recurrent denoising autoencoders.
The reconstruction error between the input and the output of the autoencoder is used as activation signal to detect novel events.
There is no evidence of studies focused on comparing previous efforts to automatically recognize novel events from audio signals and giving a broad and in depth evaluation of recurrent neural network-based autoencoders.
The present contribution aims to consistently evaluate our recent novel approaches to fill this white spot in the literature and provide insight by extensive evaluations carried out on three databases: A3Novelty, PASCAL CHiME, and PROMETHEUS.
Besides providing an extensive analysis of novel and state-of-the-art methods, the article shows how RNN-based autoencoders outperform statistical approaches up to an absolute improvement of 16.4% average F-measure over the three databases.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Marchi, Erik& Vesperini, Fabio& Squartini, Stefano& Schuller, Björn. 2017. Deep Recurrent Neural Network-Based Autoencoders for Acoustic Novelty Detection. Computational Intelligence and Neuroscience،Vol. 2017, no. 2017, pp.1-14.
https://search.emarefa.net/detail/BIM-1140971
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Marchi, Erik…[et al.]. Deep Recurrent Neural Network-Based Autoencoders for Acoustic Novelty Detection. Computational Intelligence and Neuroscience No. 2017 (2017), pp.1-14.
https://search.emarefa.net/detail/BIM-1140971
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Marchi, Erik& Vesperini, Fabio& Squartini, Stefano& Schuller, Björn. Deep Recurrent Neural Network-Based Autoencoders for Acoustic Novelty Detection. Computational Intelligence and Neuroscience. 2017. Vol. 2017, no. 2017, pp.1-14.
https://search.emarefa.net/detail/BIM-1140971
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-1140971
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)