TY -的A2 - Haufe说道,Stefan AU -马奇,Erik AU - Vesperini,法比奥盟——Squartini斯特凡诺盟,舒乐问Bjorn PY - 2017 DA - 2017/01/15 TI -深度递归神经网络Autoencoders声新奇检测SP - 4694860六世的新兴领域- 2017 AB -声学新奇检测,大部分研究工作都致力于概率混合模型或状态方程模型等方法。只有最近的研究介绍了声学(伪)生成模型形式的新奇与复发性神经网络检测autoencoder。在这些方法中,听觉的光谱特性下预计短期内帧与前一帧的多空词记忆去噪autoencoders复发。输入和输出之间的重建误差autoencoder用作激活信号的检测小说事件。没有证据的研究主要集中在比较之前的努力从音频信号自动识别小说事件,给一个广泛和深入评估神经网络autoencoders复发。目前贡献目标一致地评估我们的最近的新方法来填补这个白色现货在文学和提供广泛的评估进行三个数据库:A3Novelty,帕斯卡一致,普罗米修斯。除了提供一个广泛的分析小说和最先进的方法,这篇文章显示了RNN-based autoencoders优于统计方法绝对平均提高16.4% F 测量三个数据库。SN - 1687 - 5265 UR - https://doi.org/10.1155/2017/4694860 - 10.1155 / 2017/4694860摩根富林明计算智力和神经科学PB - Hindawi KW - ER