关键词sequential variational autoencoder
搜索结果 - 2
- 从全脑数据中学习低维度动力学提高任务捕获能力
本文介绍了一种新方法,使用顺序变分自编码器(SVAE)和神经常微分方程(NODE)来学习神经动力学的低维逼近。该方法产生的光滑动态可以准确地预测认知过程,并显示出对任务相关的脑区的改善空间定位并识别出著名的结构,如 fMRI 运动任务记录中 - 基于稳健解缠变分语音表示学习的零样本语音转换
本研究提出利用自监督分离式语音表示学习的新视角进行零样本语音转换,通过在序列变分自编码器中平衡全局说话人表示和时变内容表示之间的信息流实现分离,并应用实时数据增强培训策略以使所学表示不受噪声干扰。在 TIMIT 和 VCTK 数据集上表现出