2018年3月论文阅读

一、GroupNormalization（https://blog.csdn.net/qq_33266320/article/details/79719858）

二、Neural Predictive Coding using Convolutional Neural Networks towards Unsupervised Learning of Speaker Characteristics

主要工作：提出了一种新方法，神经预测编码（Neural Predictive Coding，NPC），以无监督的方式从音频数据中学习说话者特有的特征。

NPC模型：A. Contrastive sample creation                        C. Comparing Siamese embeddings – Loss functions

                B. Siamese Convolutional layers                      D. Extracting NPC embeddings for test audio

三、Speaker-adaptive-trainable Boltzmann machine and its application to non-parallel voice conversion

主要工作：提出一个在训练阶段没有使用平行语料库的声音转换方法。步骤分三步：
        1、分解语音信号为中性语音（neutral speech）+特定说话者信息（speaker-specific information）。
        2、特定说话者信息转换为desired speaker信息。
        3、组合中性语音和转换后的说话者信息。

四、Timbre Analysis of Music Audio Signals with Convolutional Neural Networks

从log-mel幅度频谱用CNN学习音色表示。

五、Automatic tagging using deep convolutional neural networks

使用FCN，

Music tags are a set of descriptive keywords that convey high-level information about a music clip, such as emotion (sad, anger, happy), genre (jazz, classical) and instrumentation (guitar, strings, vocal, instrumental)

实验表明mel-spectrogram比STFT、MFCC等效果好。

在数据集足够情况下、一般来说，层数越多越好

六、Deep convolutional neural networks for predominant instrument recognition in polyphonic music

师姐毕业论文第一部分用DCNN来对乐器分类

七、Voice Conversion from Non-parallel Corpora Using Variational Auto-encoder

encoder学习非特定人的语音表示

decoder重建指定说话人的解码器

变分自编码器就是对于hidden layer上添加目标说话人的Yn来重建原来说话人的信息。

八、Content-aware collaborative music recommendation using pre-trained neural networks

预训练NN提取最后一层高层特征来做协同过来来做音乐推荐。