In this paper, we propose a robust

In this paper, we propose a robust speech/music classification algorithm to improve the performance of speech/music classification in the selectable mode vocoder (SMV) of 3GPP2 using deep belief networks (DBNs), which is a powerful hierarchical generative model for feature extraction and can determine the underlying discriminative characteristic of the extracted features. The six feature vectors selected from the relevant parameters of the SMV are applied to the visible layer in the proposed DBN-based method. The performance of the proposed algorithm is evaluated using the detection accuracy and error probability of speech and music for various music genres. The proposed algorithm yields better results when compared with the original SMV method and support vector machine (SVM) based method. Copyright © 2014 The Institute of Electronics, Information and Communication Engineers.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราได้เสนอขั้นตอนวิธีการจัดประเภทเสียงเพลงแข็งแกร่งเพื่อเพิ่มประสิทธิภาพของเสียงเพลงจัดประเภทในโหมดเลือก vocoder (SMV) 3GPP2 ใช้เครือข่าย (DBNs), ซึ่งเป็นแบบจำลองแบบลำดับชั้น generative มีประสิทธิภาพการสกัดคุณลักษณะสามารถ กำหนดลักษณะ discriminative เน้นคุณลักษณะที่แยกความลึก มีใช้เวกเตอร์ 6 คุณลักษณะที่เลือกจากพารามิเตอร์ที่เกี่ยวข้องของ SMV ที่ชั้นมองเห็นได้ในวิธีใช้ DBN เสนอ ประสิทธิภาพของอัลกอริธึมที่นำเสนอจะถูกประเมินโดยใช้การตรวจสอบความถูกต้องและข้อผิดพลาดน่าเสียงและเพลงในแนวเพลงต่าง ๆ อัลกอริทึมเสนอก่อให้เกิดผลลัพธ์ที่ดีขึ้นเมื่อเทียบกับวิธีดั้งเดิม SMV และสนับสนุนเครื่องแบบเวกเตอร์ (SVM) ตามวิธี ลิขสิทธิ์ © ปี 2014 สถาบันอิเล็กทรอนิกส์ ข้อมูล และวิศวกรสื่อสาร

ผลลัพธ์ (ไทย) 2:

ในการนี้กระดาษ,เราเสนอให้มีความแข็งแกร่งเสียงพูด/เสียงดนตรีอัลกอริทึมการจัด ประเภท เพื่อปรับปรุง ประสิทธิภาพ การทำงานของเสียงพูด/เสียงดนตรี ประเภท ที่เลือกโหมดความเพี้ยน/เครื่องกำเนิดเสียงพูด(รูปแบบ SMV )ของ 3 รอบด้านความเชื่อลึก 2 โดยใช้เครือข่าย( dbns )ซึ่งเป็นที่ทรงพลังแบบลำดับชั้นซึ่งก่อกำเนิดรุ่นสำหรับคุณสมบัติการขุดและสามารถตรวจสอบที่มีลักษณะอันโดดเด่นของ discriminative ที่ถูกแยกออกมาโดดเด่นไปด้วย.โดดเด่นไปด้วย 6 องค์ประกอบที่เลือกจากพารามิเตอร์ที่เกี่ยวข้องของรูปแบบ SMV จะถูกนำมาใช้กับชั้นสามารถมองเห็นได้ในวิธีการ dbn - ใช้ที่เสนอที่ ประสิทธิภาพ การทำงานของอัลกอริธึมที่เสนอมานี้ได้รับการประเมินผลโดยใช้ความน่าจะเป็นความผิดพลาดและความแม่นยำในการตรวจสอบที่มีเสียงดนตรีและเสียงพูดสำหรับแนวเพลงที่หลากหลายอัลกอริธึมที่เสนออัตราผลตอบแทนที่ดีกว่าเมื่อเทียบกับวิธีการรูปแบบ SMV แบบดั้งเดิมและวิธีการเครื่อง( SVM )ซึ่งใช้เวกเตอร์การสนับสนุน สงวนลิขสิทธิ์พ.ศ.© .2014 สถาบันแห่งนี้ของอุปกรณ์อิเล็กทรอนิกส์การสื่อสารข้อมูลและวิศวกร.