في هذا البحث، نقوم بتكيف شبكات العصبونات المتكررة ذات الطبقات العشوائية (Recurrent Neural Networks with Stochastic Layers)، وهي الأحدث في توليد النصوص والموسيقى والكلام، لمشكلة اكتشاف الجديد الصوتي. من خلال دمج عدم اليقين في الحالة الخفية، يكون هذا النوع من الشبكات قادراً على تعلم توزيع التسلسلات المعقدة. نظراً لأن التوزيع المتعلم يمكن حسابه بشكل صريح من حيث الاحتمال، يمكننا تقييم مدى احتمالية ملاحظة ما ثم اكتشاف الأحداث ذات الاحتمال المنخفض كجديدة. النموذج مستقر، شبه غير مشرف عليه بشكل كبير، ومتكامل من البداية إلى النهاية ويحتاج إلى أقل قدر من المعالجة السابقة وهندسة الميزات أو ضبط المعلمات الفائقة. تجربة أجريت على مجموعة بيانات معيارية أظهرت أن نموذجنا يتفوق على أفضل الكاشفات الجديدة الصوتية الحالية.