手工拓扑特征显著提升语音网络抗噪能力

Feng 等人的新研究表明，为深度网络手动添加一个拓扑特征即可显著提升噪声鲁棒性。方法是将语音信号经时间延迟嵌入转为几何对象，用持续同调度量其最显著结构的存续时间，再将这一手工特征加入深度网络。在高噪声 TIMIT 数据集上，准确率从 84.9% 提升至 88.4%，也挑战了端到端学习无需手工特征的假设。

2026-09-21 ~ 2026-09-21 · 2 条相关