深度学习音频超分辨率 这是我的数据科学硕士学位论文项目。 抽象的 音频超分辨率是从低频预测给定信号缺少的高频成分的问题。 最近的一些研究表明,通过将音频超分辨率建模为回归任务,深度学习算法能够取得显着效果。 文献中已经提出了各种各样的方法,包括卷积和递归体系结构以捕获音频帧之间的局部和长期依赖性。 此外,一些研究表明,通过利用傅立叶变换操作作为神经网络配置的组成部分,不仅可以在时间上,而且可以在频域上处理输入信号,可以实现显着的改进。 本项目的目的不仅是要研究这些方法,而且要以有原则的方式将它们结合起来,以探索一种新颖的模型架构。 介绍 本文的重点是在受到一些最新技术启发的情况下,实现一种新颖的模型体系结构。 这项工作中大多数提议的方法都源于以下两项研究: 索耶·比恩鲍姆(Sawyer Birnbaum)等。 “临时电影:用特征明智的调制捕获远程序列依赖性”。 于:神经信息处理系统的进展