参考 "On Adjusting the Learning Rate in Frequency Domain Echo Cancellation With Double-Ta...
发简信
IP属地：安徽
-
回声消除 Speex AEC 论文和代码解析 -
语音增强 PercepNet 降噪模型 的解析与实现参考 《A Hybrid DSP/Deep Learning Approach to Real-Time Full-Band Speech Enhancement》 《A P...
-
我的 “基2-快速傅立叶变换” 的朴素实现（推导部分）本篇目的： 1）回顾一下 基2-快速傅立叶变换（radix2-FFT） 的理论推导； 2）以C++语言用最直白的方式实现 基2-快速傅立叶变换[https://www.jia...
-
我的 “基2-快速傅立叶变换” 的朴素实现（代码部分）
作为学习过程，我们尽量少用 库函数。由于我们需要进行复数乘法、加法运算，下面先粗糙地定义一下复数运算： 我们考虑使用静态大小的 FFT 样本点数 N，也就是在编译期，我们已经...
-
Flow系列论文小注：NICE, Real NVP, Glow
小注包括： 1）以个人视角，分析了作者提出的新框架的动机，做一些讨论； 2）给出了一些关键公式的简单证明或说明； 记号约定： 1）向量用小写粗体字母表示；2）矩阵用大写字母表...
-
联接主义时序分类CTC的细致推导（一）参考：Alex Graves,Connectionist Temporal Classification: Labelling Unsegmented Sequence Da...
-
联接主义时序分类CTC的细致推导（二）参考：Alex Graves,Connectionist Temporal Classification: Labelling Unsegmented Sequence Da...
-
Transformer随感之位置编码位置编码 很多网友在讨论transfromer的self-attention模块中位置编码缺失问题时，一般会优先抛出CNN和RNN是位置敏感的这一论述，不过一般很少细...
-
WFST中的代数半环概览 包括：半环定义、例行证明、完备半环定义和解释；先把这几个半环摆出来吧： 为什么WFST要基于半环构建呢？我的理解是：一方面环这样的代数结构是比我们熟知的域（）更...
-
word2vec词向量表示随感
读后感：Tomas Mikolov, “Efficient Estimation of Word Representations in Vector Space” 本文包括讨...
-
变分自编码器VAE细致推导（二）
最后，人们在实际中使用发现，VAE会生成一些模糊的图像，这些模糊性可能是一部分因为我们使用的度量是KL-散度造成的。回想在KL-散度[https://www.jianshu....
-
变分自编码器VAE细致推导（一）参考：1.CARLDOERSCH,Tutorial on Variational Autoencoders 2. Ian Goodfellow,《深度学习》 概述...
-
轻松点的离散傅立叶变换
概述 一般来说，标准的介绍傅立叶变换会从“连续“的”周期“的信号的傅里叶级数开始，完了再推广到连续无周期信号的傅里叶变换，或是还要介绍离散时间傅立叶变换（DTFT）。但实际中...
-
RNN的后向传播细致推导
这里参考的是Ian Goodfellow等的《深度学习》上关于RNN的求导部分，具体RNN展开图可以参考书中的；这里将具体求解过程补充上。 记号约定： 1. 向量都用列向量表...
-
LSTM后向传播细致推导
概述 有了前面的简单RNN后向传播推导[https://www.jianshu.com/p/051ff09f86a6]的铺垫，我们在来推导LSTM的后向传播就有比较明确的思路...