University of Science and Technology of China（中国科学技术大学）

End-to-End Markov State Sequence Learning for Auditory Attention Decoding

用于听觉注意力解码的端到端马尔可夫状态序列学习

Yushan Yashengjiang, Jie Zhang, Miao Sun, Huadong Liang, Xin Li, Zhen-hua Ling

机构 * NERC-SLIP, University of Science and Technology of China（中国科学技术大学NERC-SLIP） ； School of Information and Communication Engineering, Guangzhou Maritime University（广州航海学院信息与通信工程学院） ； Artificial Intelligence Research Institute, iFLYTEK Company, Ltd.（科大讯飞股份有限公司人工智能研究院） ； School of Information Science and Technology, University of Science and Technology of China（中国科学技术大学信息科学技术学院） 纠错

AI总结 研究针对听觉注意力解码中多数模型为独立短窗口分类器的问题，提出基于条件随机场的端到端马尔可夫AAD框架，引入ESCNet，通过联合优化目标学习注意力状态序列，实验证明该方法在多个数据集上优于传统孤立窗口分类。