前段时间阅读了一片来自于德国Carl von Ossietzky Universität Oldenburg的Jörn Anemüller和Hendrik Kayser的一篇论文，论文名字叫做《Multi-channel signal enhancement with speech and noise covariance estimates computed by a probabilistic localization model》，看完感觉还挺有借鉴意义的，所以做一个总结。 论文所提方法和旧方法的比较 这篇文…

最近对Google开源的WebRTC中的噪声消除部分进行了细致的研究，然后绘制了WebRTC Noise Suppression逻辑关系图。因为时间仓促，可能逻辑关系图会有一些问题，如有问题，欢迎在文章下面给我留言，也可以在微信公众号下给我留言。由于某些关系，这些图片就在博客发布，技术博客和公众号就不发布了，虽然与自己研究的实际内容关系不大且代码本身都是免费获得的，但是也是我的劳动成果，如果有转发，请经过我的允许。谢谢。 系统总体关系图 初始化 设置去噪级别 分析模块 处理模块

面试的部门是：云与智慧产业事业群（CSIG，即Cloud and Smart Industries Group）。我也不知道凉没凉， 总的来说， 确实有一些部分回答的不是很好，特别是自己存在以下问题： 1.对于没用到但了解的方面，没有深入去说，即便知道一个方法，也应该把它的原理说出来。 2.对于不了解具体方法的，起码要把基本原理说出来。我太实在了，应该说一句我了解基本原理，可以说一下。 3.面试太紧张，说话太没有自信，说话不流畅。 我感觉得找时间专门总结一下自己在面试时候存在的非技术性问题，必须加以改正。 具体问了…

个人翻译，水平有限，仅供参考。 摘要 我们展示了Deep Voice，一个完全由深度神经网络构建的生产质量的文本到语音系统。 Deep Voice为真正的端到端神经语音合成奠定了基础。该系统包括五个主要构件：用于定位音素边界的分段模型，字形到音素转换模型，音素持续时间预测模型，基频预测模型和音频合成模型。对于分割模型，我们提出了一种使用连接主义时间分类（CTC）丢失的深度神经网络进行音素边界检测的新方法。对于音频合成模型，我们实现了WaveNet的一个变体，它需要更少的参数，并且训练速度比原来的要快。通过对每个组件…

1. 前言 人工智能是当前的一个热点话题，从当前Google旗下的AlphaGO到智能汽车，人工智能已经步入我们生活的方方面面。 机器学习是一种实现人工智能的方法，这种方法是用算法来分析数据，然后从中学习，最后对现实做出预测和决策。而深度学习，则是机器学习的一种技术。从上个世纪七八十年代BP算法的出现及其在神经网络中的应用，很大推进了机器学习的发展。这种算法基于梯度下降法基础之上，并且适合于多层神经网络之中。这个阶段只包含一层隐藏层节点，因此此阶段被称为浅层学习。到2006年以后，随着研究的继续深入，模型包含层次越…

具体内容如下： Natural Language Processing with Deep Learning http://web.stanford.edu/class/cs224n/ 麻省理工公开课：线性代数 http://open.163.com/special/opencourse/daishu.html 深度学习入门（台湾课程） 链接: https://pan.baidu.com/s/1c1MHksS 密码: udms Neural networks and deep learning http://neu…