摘要

在本文中，我们将带有随机层的循环神经网络（Recurrent Neural Networks with Stochastic Layers）应用于声学新奇检测问题。这种网络在生成文本、音乐和语音方面处于前沿地位，通过将不确定性融入隐藏状态，能够学习复杂序列的分布。由于所学的分布可以用概率显式计算，因此我们可以评估某个观测值出现的可能性，并将低概率事件检测为新奇事件。该模型具有鲁棒性强、高度无监督、端到端的特点，并且需要最少的预处理、特征工程或超参数调整。实验结果表明，我们的模型在基准数据集上优于现有的最先进的声学新奇检测器。