变分分解自编码改善潜在表征的解耦

理解复杂、非平稳、高维、随时间演化的信号的结构，是科学数据分析中的一项核心挑战。在许多领域，例如语音和生物医学信号处理中，学习解耦且可解释的表示对于揭示潜在的生成机制至关重要。传统的无监督表示学习方法，包括变分自编码器（VAEs），往往难以捕捉此类数据中固有的时间和频谱多样性。在此，我们引入变分分解自编码（VDA），这是一个将面向信号分解的强结构偏置纳入变分表示学习的框架。VDA 通过变分分解自编码器（DecVAEs）实现，即仅在编码器端进行神经网络的构建，在分布层面执行潜在自编码，以学习与时间-频率特征对齐的多个潜在子空间。我们在模拟数据和三个公开可用的科学数据集上评估 DecVAEs，涵盖语音识别、构音障碍语音评估和情感语音分类。DecVAEs 在解耦质量和鲁棒性上优于基于 VAE 的方法，并且当生成因子具有不同的频谱特征时，其潜在子空间会变得因子特异化。这些发现使分解感知架构成为从语音中提取结构化表示的潜在工具，并可能适用于其他具有不同频谱特征因子的动态信号，在临床诊断、人机交互和自适应神经技术中具有应用前景。

中文由 AI 翻译，仅供参考，以原文为准。