12th International Conference on Latent Variable Analysis and Signal Separation, LVA/ICA 2015

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F15%3A%230003444" target="_blank" >RIV/46747885:24220/15:#0003444 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.scopus.com/record/display.uri?eid=2-s2.0-84944683187&origin=resultslist&sort=plf-f&src=s&st1=The+12th+International+Conference+on+Latent+Variable+Analysis+and+Signal+Separation&st2=&sid=3C09E1571BBFB18B93195C9932593B7C.k" target="_blank" >http://www.scopus.com/record/display.uri?eid=2-s2.0-84944683187&origin=resultslist&sort=plf-f&src=s&st1=The+12th+International+Conference+on+Latent+Variable+Analysis+and+Signal+Separation&st2=&sid=3C09E1571BBFB18B93195C9932593B7C.k</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

12th International Conference on Latent Variable Analysis and Signal Separation, LVA/ICA 2015

Popis výsledku v původním jazyce

The proceedings contain 69 papers. The special focus in this conference is on Tensor-Based Methods for Blind Signal Separation and Deep Neural Networks for Supervised Speech Separation/Enhancement. The topics include: Stochastic and deterministic tensorization for blind signal separation; block-decoupling multivariate polynomials using the tensor block-term decomposition; a polynomial formulation for joint decomposition of symmetric tensors of different orders; some rank conditions for the identifiability of the sparse paralind model; tensor factorisation approach for separation of convolutive complex communication signals; improving deep neural network based speech enhancement in low snr environments; noise perturbation improves supervised speech separation; speech enhancement with LSTM recurrent neural networks and its application to noise-robust ASR; a fine-tuning scheme to learn from test mixtures; joint independent subspace analysis; joint decompositions with flexible couplings; l

Název v anglickém jazyce

12th International Conference on Latent Variable Analysis and Signal Separation, LVA/ICA 2015

Popis výsledku anglicky

The proceedings contain 69 papers. The special focus in this conference is on Tensor-Based Methods for Blind Signal Separation and Deep Neural Networks for Supervised Speech Separation/Enhancement. The topics include: Stochastic and deterministic tensorization for blind signal separation; block-decoupling multivariate polynomials using the tensor block-term decomposition; a polynomial formulation for joint decomposition of symmetric tensors of different orders; some rank conditions for the identifiability of the sparse paralind model; tensor factorisation approach for separation of convolutive complex communication signals; improving deep neural network based speech enhancement in low snr environments; noise perturbation improves supervised speech separation; speech enhancement with LSTM recurrent neural networks and its application to noise-robust ASR; a fine-tuning scheme to learn from test mixtures; joint independent subspace analysis; joint decompositions with flexible couplings; l

Druh

M - Uspořádání konference

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/GA14-11898S" target="_blank" >GA14-11898S: Zlepšování řečového signálu pomocí částečně slepých metod za použití pole mikrofonů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Místo konání akce

Liberec

Stát konání akce

CZ - Česká republika

Datum zahájení akce

—

Datum ukončení akce

—

Celkový počet účastníků

91

Počet zahraničních účastníků

81

Typ akce podle státní přísl. účastníků

WRD - Celosvětová akce