语音处理中的深度表示学习综述论文:挑战、最新进展和未来趋势，25页pdf

题目： Deep Representation Learning in Speech Processing: Challenges, Recent Advances, and Future Trends

简介： 传统上，语音处理研究将设计人工工程声学特征（特征工程）的任务与设计有效的机器学习（ML）模型以做出预测和分类决策的任务分离为一个独立的问题。这种方法有两个主要缺点：首先，手工进行的特征工程很麻烦并且需要人类知识。其次，设计的功能可能不是最适合当前目标的。这引发了语音社区中采用表示表达学习技术的最新趋势，该趋势可以自动学习输入信号的中间表示，从而更好地适应手头的任务，从而提高性能。表示学习的重要性随着深度学习（DL）的发展而增加，在深度学习中，表示学习更有用，对人类知识的依赖性更低，这有助于分类，预测等任务。本文的主要贡献在于：通过将跨三个不同研究领域（包括自动语音识别（ASR），说话者识别（SR）和说话者情绪识别（SER））的分散研究汇总在一起，对语音表示学习的不同技术进行了最新和全面的调查。最近针对ASR，SR和SER进行了语音复习，但是，这些复习都没有集中于从语音中学习表示法，这是我们调查旨在弥补的差距。