이 논문은 소리 원본 거리 추정(SSDE) 문제에서 소수 샘플 학습, 특히 메타 학습 기반 소수 샘플 관계 네트워크의 성능을 감독 심층 학습 및 전통적 기계 학습 접근법과 비교 분석한다.
이전 연구에서 심층 감독 SSDE는 학습 데이터(알려진 환경)와 테스트 데이터(알려지지 않은 환경) 간 불일치로 인해 낮은 정확도를 보였다. 충분한 데이터로 비교 실험을 수행한 결과, 소수 샘플 관계 네트워크가 XGBoost, SVM, CNN, MLP 등 다른 경쟁 모델들을 능가하는 것으로 나타났다. 따라서 특정 알려지지 않은 환경에서 오디오 샘플 몇 개만으로도 마이크로폰 시스템을 보정하여 분류기를 조정하고 일반화할 수 있어 더 높은 정확도를 달성할 수 있다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Amirreza Sob... at arxiv.org 05-02-2024
https://arxiv.org/pdf/2109.10561.pdfDeeper Inquiries