摘要： ?# 線性模型與損失函數（分類問題） 1.線性模型的構成 如下圖所示，這是一個基礎的線性模型示意圖。 線性模型是機器學習中應用最廣泛的模型，指通過樣本特性的線性關系及組合來進行預測的模型，我們用下式來表示線性模型函數（判別函數）一般的表現形式： $$\begin f\left( {\mathop x 閱讀全文

摘要： A Differentiable Perceptual Audio Metric Learned from Just Noticeable Differences-從明顯的差異中學習的可區分的感知音頻度量 摘要 許多音頻處理任務需要感知評估。獲得人類判斷的“黃金標準”是耗時、昂貴的，并且不能用作優化 閱讀全文

摘要： 2020版PyCharm破解+漢化 PyCharm2020破解+漢化 1.下載安裝PyCharm2020版本 2.打開PyCharm 3.下載PyCharm2020永久破解包 4.漢化PyCharm 1.下載安裝PyCharm2020版本 這是其鏈接：https://www.jetbrains.co 閱讀全文

摘要： python對音頻進行加噪的處理方法 python對音頻進行加噪的處理方法 一、讀取原始音頻 1.scipy讀取原始音頻 2.pysoundfile讀取音頻 3.wave讀取音頻 4.librosa讀取音頻 二、加入指定信噪比的高斯白噪聲 三、加入指定噪聲，如DEMAND、Noise92等噪聲庫的噪 閱讀全文

摘要： 2019-用卷積遞歸神經網絡定位、檢測和跟蹤多個運動聲源 摘要 本文研究了使用卷積遞歸神經網絡對聲音事件進行聯合定位、檢測和跟蹤。我們使用先前提出的用于定位和檢測靜止源的CRNN，并且表明當使用動態場景訓練時，遞歸層能夠實現運動源的空間跟蹤。將該神經網絡的跟蹤性能與結合了多源(波達方向)估計器和粒子 閱讀全文

摘要： PyTorch學習-總結篇（3）——最實用部分 PyTorch學習-總結篇（3）——最實用部分 一、每個項目代碼應該有五個部分（大同小異） 二、以一個項目示例來進行講解（MNIST手寫數據集） 1.導包及定義超參數（這步往往是最后才能完成的，因為只有寫完了下面，才能知道你要定義什么及用什么包） 2. 閱讀全文

摘要： PyTorch學習（2） PyTorch學習（2） 1 Numpy與Torch的區別與聯系 1.1 numpy的array與Torch的tensor轉換 1.2 Torch中的variable 2 激勵函數（Activation Function） 3 Regression回歸（關系擬合回歸） 4 閱讀全文

摘要： PyTorch學習（1） PyTorch學習（1）一、預先善其事，必先利其器-pytorch與cuda對應關系二、pytorch相關1.創建張量2.維度變換3.索引切片及數學運算4.autograd：自動求導 一、預先善其事，必先利其器-pytorch與cuda對應關系 pytorchtorchvi 閱讀全文

摘要： 語音分離相關介紹 一.語音分離的起源和定義 起源：來自“雞尾酒會效應”，人類可以將注意力放在特定的所感興趣的消息上，可以摒棄環境中的噪聲等的干擾。 定義：指通過運用一定的方法從接受到的混合語音信號中計算出個體信號的信號處理技術，它大致可以分成兩個方向：第一，在語音信號中進行多個聲源之間的分離；第二， 閱讀全文

摘要： 1.采樣頻率（HZ）、采樣率與采樣點數 如圖，采樣頻率（注：采樣率與采樣頻率單位是不一樣的，但是結果換算差不多，就是采樣頻率可以為小數，而采樣率只能為整數）就是每秒鐘采集我們每次所需要采集的采樣點的次數，其單位是（hz）或者（次/秒），采樣率表示每秒采樣點的個數，其單位是（個/秒），而采樣點數就是發 閱讀全文