摘要： # 线性模型与损失函数（分类问题） 1.线性模型的构成 如下图所示，这是一个基础的线性模型示意图。 线性模型是机器学习中应用最广泛的模型，指通过样本特性的线性关系及组合来进行预测的模型，我们用下式来表示线性模型函数（判别函数）一般的表现形式： $$\begin f\left( {\mathop x 阅读全文

摘要： A Differentiable Perceptual Audio Metric Learned from Just Noticeable Differences-从明显的差异中学习的可区分的感知音频度量 摘要 许多音频处理任务需要感知评估。获得人类判断的“黄金标准”是耗时、昂贵的，并且不能用作优化 阅读全文

摘要： 2020版PyCharm破解+汉化 PyCharm2020破解+汉化 1.下载安装PyCharm2020版本 2.打开PyCharm 3.下载PyCharm2020永久破解包 4.汉化PyCharm 1.下载安装PyCharm2020版本 这是其链接：https://www.jetbrains.co 阅读全文

摘要： python对音频进行加噪的处理方法 python对音频进行加噪的处理方法 一、读取原始音频 1.scipy读取原始音频 2.pysoundfile读取音频 3.wave读取音频 4.librosa读取音频 二、加入指定信噪比的高斯白噪声 三、加入指定噪声，如DEMAND、Noise92等噪声库的噪 阅读全文

摘要： 2019-用卷积递归神经网络定位、检测和跟踪多个运动声源 摘要 本文研究了使用卷积递归神经网络对声音事件进行联合定位、检测和跟踪。我们使用先前提出的用于定位和检测静止源的CRNN，并且表明当使用动态场景训练时，递归层能够实现运动源的空间跟踪。将该神经网络的跟踪性能与结合了多源(波达方向)估计器和粒子 阅读全文

摘要： PyTorch学习-总结篇（3）——最实用部分 PyTorch学习-总结篇（3）——最实用部分 一、每个项目代码应该有五个部分（大同小异） 二、以一个项目示例来进行讲解（MNIST手写数据集） 1.导包及定义超参数（这步往往是最后才能完成的，因为只有写完了下面，才能知道你要定义什么及用什么包） 2. 阅读全文

摘要： PyTorch学习（2） PyTorch学习（2） 1 Numpy与Torch的区别与联系 1.1 numpy的array与Torch的tensor转换 1.2 Torch中的variable 2 激励函数（Activation Function） 3 Regression回归（关系拟合回归） 4 阅读全文

摘要： PyTorch学习（1） PyTorch学习（1）一、预先善其事，必先利其器-pytorch与cuda对应关系二、pytorch相关1.创建张量2.维度变换3.索引切片及数学运算4.autograd：自动求导 一、预先善其事，必先利其器-pytorch与cuda对应关系 pytorchtorchvi 阅读全文

摘要： 语音分离相关介绍 一.语音分离的起源和定义 起源：来自“鸡尾酒会效应”，人类可以将注意力放在特定的所感兴趣的消息上，可以摒弃环境中的噪声等的干扰。 定义：指通过运用一定的方法从接受到的混合语音信号中计算出个体信号的信号处理技术，它大致可以分成两个方向：第一，在语音信号中进行多个声源之间的分离；第二， 阅读全文

摘要： 1.采样频率（HZ）、采样率与采样点数 如图，采样频率（注：采样率与采样频率单位是不一样的，但是结果换算差不多，就是采样频率可以为小数，而采样率只能为整数）就是每秒钟采集我们每次所需要采集的采样点的次数，其单位是（hz）或者（次/秒），采样率表示每秒采样点的个数，其单位是（个/秒），而采样点数就是发 阅读全文