• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Humaine Association Conference on Affective Computing and Intelligent Interaction >Sparse Autoencoder-Based Feature Transfer Learning for Speech Emotion Recognition
【24h】

Sparse Autoencoder-Based Feature Transfer Learning for Speech Emotion Recognition

机译：基于稀疏的AutoEncoder的功能转移学习语音情感识别

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In speech emotion recognition, training and test data used for system development usually tend to fit each other perfectly, but further 'similar' data may be available. Transfer learning helps to exploit such similar data for training despite the inherent dissimilarities in order to boost a recogniser's performance. In this context, this paper presents a sparse auto encoder method for feature transfer learning for speech emotion recognition. In our proposed method, a common emotion-specific mapping rule is learnt from a small set of labelled data in a target domain. Then, newly reconstructed data are obtained by applying this rule on the emotion-specific data in a different domain. The experimental results evaluated on six standard databases show that our approach significantly improves the performance relative to learning each source domain independently.
机译：在语音情感识别中，用于系统开发的培训和测试数据通常倾向于完全彼此适应，而是可以使用进一步的“类似”数据。传输学习有助于利用这种类似的数据进行培训，尽管固有的异常不同，以提高识别人的表现。在此上下文中，本文介绍了一种稀疏的自动编码方法，用于语音情感识别的特征传输学习。在我们所提出的方法中，从目标域中的一小组标记数据学习了一个共同的情感映射规则。然后，通过在不同域中的情绪特定数据上应用此规则来获得新重建的数据。在六个标准数据库中评估的实验结果表明，我们的方法显着提高了相对于每个源域的学习的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号