再帰型ニューラルネットワークと確率層を用いた音響新奇性検出

本論文では、テキスト、音楽、スピーチの生成において最先端の技術である確率層を備えた再帰型ニューラルネットワーク（Recurrent Neural Networks with Stochastic Layers）を、音響新奇性検出の問題に適用しています。隠れ状態に不確実性を取り入れることで、この種のネットワークは複雑なシーケンスの分布を学習することが可能となります。学習された分布は確率的に明示的に計算できるため、観測値がどれだけ尤もらしいかを評価し、低確率のイベントを新奇なものとして検出することができます。本モデルは堅牢性が高く、ほとんど教師なしであり、エンドツーエンドで最小限の前処理や特徴量設計、ハイパーパラメータ調整が必要です。ベンチマークデータセットでの実験結果から、当モデルが最先端の音響新奇性検出器を上回ることが示されました。