-
公开(公告)号:CN113899577B
公开(公告)日:2024-07-26
申请号:CN202111206117.1
申请日:2018-08-24
Applicant: 日本电信电话株式会社
Abstract: 本发明提供异常声音探测装置、异常声音生成装置、异常数据生成装置、异常模型学习装置、异常声音生成方法以及记录介质,该异常声音探测装置包括:模型存储单元,存储将预先准备的异常声音数据建模后的概率分布即第1异常模型和将与所述异常声音数据不同的异常声音即追加异常声音建模后的概率分布即第2异常模型;异常度获取单元,对于输入的对象声音数据,组合所述第1异常模型和所述第2异常模型来计算异常度;以及状态判定单元,将所述异常度与规定的阈值比较,判定所述对象声音数据是正常声音还是异常声音。
-
公开(公告)号:CN108885133B
公开(公告)日:2021-05-14
申请号:CN201780020698.5
申请日:2017-03-31
Applicant: 日本电信电话株式会社
Abstract: 异常音检测学习装置包括:使用声响特征量提取函数,根据正常音的学习数据提取正常音的声响特征量的第一声响特征量提取单元;使用所述提取出的声响特征量更新正常音模型的正常音模型更新单元;使用声响特征量提取函数,根据模拟出的异常音提取异常音的声响特征量,根据正常音的学习数据提取正常音的声响特征量的第二声响特征量提取单元;以及使用提取出的所述异常音的声响特征量以及正常音的声响特征量,更新声响特征量提取函数的声响特征量提取函数更新单元,反复进行上述各单元的处理。
-
公开(公告)号:CN112567460A
公开(公告)日:2021-03-26
申请号:CN201980052478.X
申请日:2019-07-04
Applicant: 日本电信电话株式会社
Abstract: 提供抑制正常模型学习所需的成本并且精度高的异常探测技术。包含:异常度估计单元,基于表示从与异常探测对象机器不同的1个以上的机器发出的正常音的分布的第一概率分布、与从所述异常探测对象机器发出的正常音即自适应学习用正常音的关联,根据从所述异常探测对象机器发出的声音即异常探测对象音,对表示该机器的异常的程度的异常度进行估计。
-
公开(公告)号:CN112669829B
公开(公告)日:2025-01-14
申请号:CN202011534672.2
申请日:2017-03-31
Applicant: 日本电信电话株式会社
Abstract: 本发明的异常音检测装置,检测输入的输入音是否为异常音,包括:声响特征量提取单元,使用特征量提取函数提取所述输入音的声响特征量;异常度计算单元,由所述输入音的声响特征量计算异常度;以及判定单元,根据获得的所述异常度和规定的阈值,判定所述输入音是否为异常音。所述特征量提取函数通过将由从正常音提取的特征量计算出的异常度的概率分布和由从异常音提取的特征量计算出的异常度的概率分布相关联而进行最佳化,使得在正常音的情况下,输出小的异常度,并且在所述异常音的情况下,输出大的异常度。
-
公开(公告)号:CN111108362A
公开(公告)日:2020-05-05
申请号:CN201880057321.1
申请日:2018-08-24
Applicant: 日本电信电话株式会社
Abstract: 使用少量的异常声音数据,提高无监督异常声音探测的精度。阈值决定单元(13)用使用正常声音数据学习的正常模型和表现了异常声音数据的异常模型,对多个异常声音数据的每一个计算异常度,将其最小值决定为阈值。权重更新单元(14)使用多个正常声音数据、异常声音数据和阈值,更新异常模型的权重,使得全部异常声音数据被判定为异常、正常声音数据被判定为异常的概率最小。
-
公开(公告)号:CN112567460B
公开(公告)日:2024-11-15
申请号:CN201980052478.X
申请日:2019-07-04
Applicant: 日本电信电话株式会社
Abstract: 提供抑制正常模型学习所需的成本并且精度高的异常探测技术。包含:异常度估计单元,基于表示从与异常探测对象机器不同的1个以上的机器发出的正常音的分布的第一概率分布、与从所述异常探测对象机器发出的正常音即自适应学习用正常音的关联,根据从所述异常探测对象机器发出的声音即异常探测对象音,对表示该机器的异常的程度的异常度进行估计。
-
公开(公告)号:CN110036441A
公开(公告)日:2019-07-19
申请号:CN201780075048.0
申请日:2017-09-12
Applicant: 日本电信电话株式会社
IPC: G10L21/0264 , G10L21/0232
Abstract: 本发明提供噪音估计用参数学习装置,即使在混响或时间帧差成为问题的大规模空间中,也可以使配置在远离的位置的多个麦克风协作而执行频谱相减法,强调目标音。学习多个麦克风的观测信号中包含的噪音的估计中使用的噪音估计用参数的噪音估计用参数学习装置包括:模型化单元,将规定的麦克风的观测信号的概率分布模型化,将时间帧差的概率分布模型化,将传递函数增益的概率分布模型化;似然函数设定单元,根据模型化的概率分布,设定与时间帧差有关的似然函数、与传递函数增益有关的似然函数;以及参数更新单元,交替地反复更新两个似然函数的变量,将收敛后的时间帧差以及传递函数增益作为噪音估计用参数输出。
-
公开(公告)号:CN118348951A
公开(公告)日:2024-07-16
申请号:CN202410356501.7
申请日:2019-07-04
Applicant: 日本电信电话株式会社
Abstract: 本发明的概率分布学习装置包含:学习单元,根据从与异常探测对象机器不同的1个以上的机器发出的正常音,学习表示从与异常探测对象机器不同的1个以上的机器发出的正常音的分布的第一概率分布。第一概率分布q1(x;θ)的变量x是表示根据从与异常探测对象机器不同的1个以上的机器发出的正常音而生成的输入数据的变量。变量x通过使用变换fi以及潜在变量z0被表现为x=fK(fK‑1(…(f1(z0))…))。输入数据x的概率密度q1(x;θ)通过使用与输入数据x对应的潜在变量z0=f1‑1(f2‑1(…(fK‑1(x))…))的概率密度q0(z0)被计算。对于变换fi之中的至少一个变换,其逆变换是自适应批标准化。
-
公开(公告)号:CN110036441B
公开(公告)日:2023-02-17
申请号:CN201780075048.0
申请日:2017-09-12
Applicant: 日本电信电话株式会社
IPC: G10L21/0264 , G10L21/0232
Abstract: 本发明提供噪音估计用参数学习装置,即使在混响或时间帧差成为问题的大规模空间中,也可以使配置在远离的位置的多个麦克风协作而执行频谱相减法,强调目标音。学习多个麦克风的观测信号中包含的噪音的估计中使用的噪音估计用参数的噪音估计用参数学习装置包括:模型化单元,将规定的麦克风的观测信号的概率分布模型化,将时间帧差的概率分布模型化,将传递函数增益的概率分布模型化;似然函数设定单元,根据模型化的概率分布,设定与时间帧差有关的似然函数、与传递函数增益有关的似然函数;以及参数更新单元,交替地反复更新两个似然函数的变量,将收敛后的时间帧差以及传递函数增益作为噪音估计用参数输出。
-
公开(公告)号:CN110352349B
公开(公告)日:2023-01-31
申请号:CN201780086118.2
申请日:2017-09-14
Applicant: 日本电信电话株式会社
Abstract: 提供与有无异常音的学习数据无关、可以生成用于异常音检测的特征量提取函数的异常音检测学习技术。异常音检测学习装置包括:根据变分自动编码器的最佳化指标,更新输入的特征量提取函数以及特征量逆变换函数的第一函数更新单元(3);根据正常音的学习数据提取正常音的音响特征量的音响特征量提取单元(4);使用提取的音响特征量更新正常音模型的正常音模型更新单元(5);使用正常音的学习数据以及输入的特征量提取函数,求与作为规定的值的伪阳性率ρ对应的阈值的阈值更新单元(6);根据由求出的阈值决定的内曼皮尔森型最佳化指标,将更新的特征量提取函数更新的第二函数更新单元(8),反复进行上述各单元的处理。
-
-
-
-
-
-
-
-
-