ترجمه فارسی مقاله فرا یادگیری در پردازش صدا و گفتار: مروری جامع از پایان به پایان

چکیده

This survey overviews various meta-learning approaches used in audio and speech processing scenarios. Meta-learning is used where model performance needs to be maximized with minimum annotated samples, making it suitable for low-sample audio processing. Although the field has made some significant contributions, audio meta-learning still lacks the presence of comprehensive survey papers. We present a systematic review of meta-learning methodologies in audio processing. This includes audio-specific discussions on data augmentation, feature extraction, preprocessing techniques, meta-learners, task selection strategies and also presents important datasets in audio, together with crucial real-world use cases. Through this extensive review, we aim to provide valuable insights and identify future research directions in the intersection of meta-learning and audio processing.

چکیده به فارسی (ترجمه ماشینی)

این بررسی ، رویکردهای مختلف یادگیری متا که در سناریوهای پردازش صوتی و گفتار مورد استفاده قرار می گیرد.یادگیری متا در جایی استفاده می شود که عملکرد مدل باید با حداقل نمونه های حاشیه نویسی به حداکثر برسد ، و این امر را برای پردازش صوتی نمونه پایین مناسب می کند.اگرچه این زمینه سهم قابل توجهی داشته است ، اما یادگیری متا هنوز فاقد حضور مقالات جامع نظرسنجی است.ما یک بررسی منظم از روشهای یادگیری متا در پردازش صوتی ارائه می دهیم.این شامل مباحث مربوط به صوتی در مورد افزایش داده ها ، استخراج ویژگی ها ، تکنیک های پیش پردازش ، متا یادگیری ، استراتژی های انتخاب کار و همچنین مجموعه داده های مهم در صدا ، همراه با موارد مهم استفاده در دنیای واقعی است.از طریق این بررسی گسترده ، ما با هدف ارائه بینش های ارزشمند و شناسایی مسیرهای تحقیق آینده در تقاطع یادگیری متا و پردازش صوتی.