鸡尾酒会效应的神经网络方法

数据挖掘 机器学习 神经网络 深度学习
2022-03-11 02:57:52

想象一下,您有 2 个人使用 2 个不同的麦克风,但在同一个房间。每个麦克风都会从另一个人那里拾取一些声音。是否有一种基于神经网络的良好方法来隔离信号,以便每个麦克风的声音仅捕获 1 个人?

我记得几年前听到过一个解决方案,但我不确定我是否记得正确

我问是因为今天向我提到了类似的问题。在 EEG 脑电波数据采集过程中,每个电极都可以从大脑中的多个来源获取信号。在那个世界里,他们试图隔离来源并减少来自其他大脑区域的“噪音”,并且通常使用 ICA 来完成这样的任务。ICA 的问题是后处理阶段非常耗时,所以我想知道是否有更好的 ANN/DNN 方法可以更有效地解决问题,或者可能具有更高的准确性

2个回答

看看这个

没有 DNN,而是数学,如果有不同的通道可用。

DNN 用于单通道输入,但必须针对要分离的信号进行训练

有一类神经网络专门设计用于从噪声中“清除”观察结果。它们是去噪自动编码器:它们是自动编码器,可以学习将噪声信号与干净的信号对应起来。它们通常用于清理图像或时间序列数据,但它们可以潜在地应用于任何任务。

我对你的数据和你的问题了解不多,所以我不能说收集足够的训练数据有多难,但值得一试。