用於檢測音頻中多個特徵的神經網絡

Question

我剛剛開始探索用於檢測wav文件中鼓瞬變的神經網絡。我想通過創建一個具有相同輸入數量，隱藏節點和輸出的神經網絡來實現這一點，爲每個輸入提供一個音頻樣本，並且如果在該樣本處可能出現鼓瞬變，則訓練相應的輸出爲高，並且低，如果不是。我想這樣做，因爲我不能確定在餵養它的數據中會出現多少單獨的瞬變，它可能是一個，很多或沒有。如果有的話，我需要它輸出瞬態的樣本位置。這種方法會起作用嗎？有一個更好的方法嗎？

Answer 1

我做了一些與視覺數據中檢測模式相似的東西。不完全一樣，但我會告訴大家，成功培訓網絡所花費的時間遠遠超過了編寫其他選項所需的時間。我希望你能找到同樣的結果：訓練到結果的一致性可能會非常耗時，並且會受到神經網絡的影響。

如果這是一個學術或休閒活動（即看看是否可以完成），那麼我認爲你最終會得到它。如果你只是想要結果，我想你可能會有更好的運氣，用更直接的方法表徵一個瞬態並使用（可能）諸如模糊推理來評分候選信號。

我認爲有可能重疊瞬態？這肯定會讓網絡訓練變得更加困難，但是我再次想象這會使任何方法更具挑戰性。

我不是這方面的專家;我只提供我嘗試訓練神經網絡的低信號/噪聲數據的經驗，這是一種痛苦。