[发明专利]训练神经网络的方法及系统在审
| 申请号： | 201911114742.6 | 申请日： | 2019-11-14 |
| 公开（公告）号： | CN111435462A | 公开（公告）日： | 2020-07-21 |
| 发明（设计）人： | 金宰永;李正元;莫斯塔法·伊尔-哈米 | 申请（专利权）人： | 三星电子株式会社 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京汇知杰知识产权代理有限公司 11587 | 代理人： | 李洁;董江虹 |
| 地址： | 韩国京畿道水*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 训练 神经网络 方法 系统 | ||
1.一种训练神经网络的方法，包括：
接收有噪信号；
产生经去噪输出信号；
基于所述经去噪输出信号来确定信号失真比损失函数；
基于所述经去噪输出信号来确定感知语音质量评估损失函数；以及
基于所述感知语音质量评估损失函数及所述信号失真比损失函数来优化总损失函数。
2.根据权利要求1所述的方法，其中所述感知语音质量评估损失函数还基于所述有噪信号来确定。
3.根据权利要求2所述的方法，其中确定所述感知语音质量评估损失函数还包括对所述有噪信号及所述经去噪输出信号执行电平对准。
4.根据权利要求2所述的方法，其中确定所述感知语音质量评估损失函数还包括应用所述有噪信号及所述经去噪输出信号的巴克频谱频率。
5.根据权利要求4所述的方法，其中确定所述感知语音质量评估损失函数还包括对所应用的所述有噪信号及所述经去噪输出信号的巴克频谱频率执行时间-频率均衡。
6.根据权利要求2所述的方法，其中确定所述感知语音质量评估损失函数还包括执行响度映射。
7.根据权利要求2所述的方法，其中确定所述感知语音质量评估损失函数还包括执行扰动处理。
8.根据权利要求1所述的方法，其中所述总损失函数被作为所述信号失真比损失函数和所述感知语音质量评估损失函数与超参数的乘积之和来进行优化。
9.一种训练神经网络的系统，包括：
存储器；以及
处理器，被配置以：
接收有噪信号；
产生经去噪输出信号；
基于所述经去噪输出信号来确定信号失真比损失函数；
基于所述经去噪输出信号来确定感知语音质量评估损失函数；以及
基于所述感知语音质量评估损失函数及所述信号失真比损失函数来优化总损失函数。
10.根据权利要求9所述的系统，其中所述感知语音质量评估损失函数还基于所述有噪信号来确定。
11.根据权利要求10所述的系统，其中所述处理器还被配置以通过对所述有噪信号及所述经去噪输出信号执行电平对准来确定所述感知语音质量评估损失函数。
12.根据权利要求10所述的系统，其中所述处理器还被配置以通过应用所述有噪信号及所述经去噪输出信号的巴克频谱频率来确定所述感知语音质量评估损失函数。
13.根据权利要求12所述的系统，其中所述处理器还被配置以通过对所应用的所述有噪信号及所述经去噪输出信号的巴克频谱频率执行时间-频率均衡来确定所述感知语音质量评估损失函数。
14.根据权利要求10所述的系统，其中所述处理器还被配置以通过执行响度映射来确定所述感知语音质量评估损失函数。
15.根据权利要求10所述的系统，其中所述处理器还被配置以通过执行扰动处理来确定所述感知语音质量评估损失函数。
16.根据权利要求9所述的系统，其中所述总损失函数被作为所述信号失真比损失函数和所述感知语音质量评估损失函数与超参数的乘积之和来进行优化。
17.一种训练神经网络的方法，包括：
接收有噪信号；
产生经去噪输出信号；以及
基于所述经去噪输出信号来确定感知语音质量评估损失函数。
18.根据权利要求17所述的方法，其中所述感知语音质量评估损失函数还基于所述有噪信号来确定。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于三星电子株式会社，未经三星电子株式会社许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911114742.6/1.html，转载请声明来源钻瓜专利网。
