Aug, 2023
自监督盲源分离多编码器自动编码器
Self-Supervised Blind Source Separation via Multi-Encoder Autoencoders
Matthew B. Webster, Joonnyong Lee
TL;DR该研究论文提出了一种利用多编码器自编码器的自然特征子空间专业化能力以及完全无监督学习来处理非线性混合的盲源分离的新方法，通过训练阶段将输入分解为多编码器网络的单独编码空间，然后在解码器内对这些表示进行重新混合以重建输入。同时引入了一种新颖的编码掩码技术，通过掩盖除一个编码之外的所有编码，使解码器能够估计源信号，并引入了所谓的通路分离损失和零重建损失以鼓励解码器各层之间的编码空间稀疏性，以及一致的源估计。为了精确评估我们的方法，我们在一个玩具数据集和实际生物信号记录（来自聚合睡眠研究）进行了实验，用于提取呼吸信号。