Source Separation and Machine Learning
ต.ค. 2018 · Academic Press
eBook
384
หน้า
family_home
มีสิทธิ์
info
reportคะแนนและรีวิวไม่ได้รับการตรวจสอบยืนยัน ดูข้อมูลเพิ่มเติม
เกี่ยวกับ eBook เล่มนี้
Source Separation and Machine Learning presents the fundamentals in adaptive learning algorithms for Blind Source Separation (BSS) and emphasizes the importance of machine learning perspectives. It illustrates how BSS problems are tackled through adaptive learning algorithms and model-based approaches using the latest information on mixture signals to build a BSS model that is seen as a statistical model for a whole system. Looking at different models, including independent component analysis (ICA), nonnegative matrix factorization (NMF), nonnegative tensor factorization (NTF), and deep neural network (DNN), the book addresses how they have evolved to deal with multichannel and single-channel source separation. - Emphasizes the modern model-based Blind Source Separation (BSS) which closely connects the latest research topics of BSS and Machine Learning - Includes coverage of Bayesian learning, sparse learning, online learning, discriminative learning and deep learning - Presents a number of case studies of model-based BSS (categorizing them into four modern models - ICA, NMF, NTF and DNN), using a variety of learning algorithms that provide solutions for the construction of BSS systems
เกี่ยวกับผู้แต่ง
Jen-Tzung Chien received his Ph.D. in electrical engineering from National Tsing Hua University, Taiwan in 1997. He is now with the Department of Electrical and Computer Engineering and the Department of Computer Science at the National Chiao Tung University, Taiwan, where he is currently the Chair Professor. He was the visiting professor at the IBM T. J. Watson Research Center, Yorktown Heights, NY in 2010. Dr. Chien has served as the associate editor of the IEEE Signal Processing Letters in 2008-2011, the tutorial speaker of the ICASSP in 2012, 2015, 2017, the INTERSPEECH in 2013, 2016, the COLING in 2018, and the general chair of the IEEE International Workshop on Machine Learning for Signal Processing in 2017. He received the Best Paper Award of the IEEE Automatic Speech Recognition and Understanding Workshop in 2011 and the AAPM Farrington Daniels Paper Award in 2018. He is currently serving as an elected member of the IEEE Machine Learning for Signal Processing Technical Committee.
ให้คะแนน eBook นี้
แสดงความเห็นของคุณให้เรารับรู้
ข้อมูลในการอ่าน
สมาร์ทโฟนและแท็บเล็ต
ติดตั้งแอป Google Play Books สำหรับ Android และ iPad/iPhone แอปจะซิงค์โดยอัตโนมัติกับบัญชีของคุณ และช่วยให้คุณอ่านแบบออนไลน์หรือออฟไลน์ได้ทุกที่
แล็ปท็อปและคอมพิวเตอร์
คุณฟังหนังสือเสียงที่ซื้อจาก Google Play โดยใช้เว็บเบราว์เซอร์ในคอมพิวเตอร์ได้
eReader และอุปกรณ์อื่นๆ
หากต้องการอ่านบนอุปกรณ์ e-ink เช่น Kobo eReader คุณจะต้องดาวน์โหลดและโอนไฟล์ไปยังอุปกรณ์ของคุณ โปรดทำตามวิธีการอย่างละเอียดในศูนย์ช่วยเหลือเพื่อโอนไฟล์ไปยัง eReader ที่รองรับ
