ترجمه فارسی مقاله DPSNN: شبکه عصبی سنبله برای تقویت گفتار جریان کم تأخیر

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی DPSNN: Spiking Neural Network for Low-Latency Streaming Speech Enhancement
عنوان مقاله به فارسی DPSNN: شبکه عصبی سنبله برای تقویت گفتار جریان کم تأخیر
نویسندگان Tao Sun, Sander Bohté
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Sound,Machine Learning,Neural and Evolutionary Computing,Audio and Speech Processing,صدا , یادگیری ماشین , محاسبات عصبی و تکاملی , پردازش صوتی و گفتار ,
توضیحات Submitted 14 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 14 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Speech enhancement (SE) improves communication in noisy environments, affecting areas such as automatic speech recognition, hearing aids, and telecommunications. With these domains typically being power-constrained and event-based while requiring low latency, neuromorphic algorithms in the form of spiking neural networks (SNNs) have great potential. Yet, current effective SNN solutions require a contextual sampling window imposing substantial latency, typically around 32ms, too long for many applications. Inspired by Dual-Path Spiking Neural Networks (DPSNNs) in classical neural networks, we develop a two-phase time-domain streaming SNN framework -- the Dual-Path Spiking Neural Network (DPSNN). In the DPSNN, the first phase uses Spiking Convolutional Neural Networks (SCNNs) to capture global contextual information, while the second phase uses Spiking Recurrent Neural Networks (SRNNs) to focus on frequency-related features. In addition, the regularizer suppresses activation to further enhance energy efficiency of our DPSNNs. Evaluating on the VCTK and Intel DNS Datasets, we demonstrate that our approach achieves the very low latency (approximately 5ms) required for applications like hearing aids, while demonstrating excellent signal-to-noise ratio (SNR), perceptual quality, and energy efficiency.

چکیده به فارسی (ترجمه ماشینی)

تقویت گفتار (SE) ارتباطات را در محیط های پر سر و صدا بهبود می بخشد و در مناطقی مانند تشخیص خودکار گفتار ، سمعک ها و ارتباطات از راه دور تأثیر می گذارد.با وجود این دامنه ها به طور معمول محدود به قدرت و مبتنی بر رویداد در حالی که نیاز به تأخیر کم دارند ، الگوریتم های عصبی در قالب شبکه های عصبی سنبله (SNN) پتانسیل خوبی دارند.با این حال ، راه حل های مؤثر SNN فعلی نیاز به یک پنجره نمونه گیری متنی دارد که تأخیر قابل توجهی را تحمیل می کند ، به طور معمول در حدود 32ms ، برای بسیاری از برنامه ها بسیار طولانی است.ما با الهام از شبکه های عصبی سنبله دو مسیر (DPSNN) در شبکه های عصبی کلاسیک ، ما یک چارچوب SNN جریان دو مرحله ای دامنه زمان ایجاد می کنیم-شبکه عصبی سنبله دوتایی (DPSNN).در DPSNN ، مرحله اول از شبکه های عصبی حلقوی سنبله (SCNN) برای گرفتن اطلاعات متنی جهانی استفاده می کند ، در حالی که مرحله دوم از شبکه های عصبی مکرر سنبله (SRNN) برای تمرکز روی ویژگی های مربوط به فرکانس استفاده می کند.علاوه بر این ، تنظیم کننده فعال سازی را برای افزایش بیشتر بهره وری انرژی DPSNN های ما سرکوب می کند.با ارزیابی مجموعه داده های VCTK و Intel DNS ، ما نشان می دهیم که رویکرد ما به تأخیر بسیار کم (تقریباً 5ms) مورد نیاز برای برنامه های سمعک می رسد ، ضمن اینکه نسبت سیگنال به نویز عالی (SNR) ، کیفیت ادراکی و راندمان انرژی را نشان می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.