Autoencoders for music sound modeling : a comparison of linear, shallow, deep, recurrent and variational models - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2019

Autoencoders for music sound modeling : a comparison of linear, shallow, deep, recurrent and variational models

Fanny Roche
  • Fonction : Auteur
  • PersonId : 1057618
Thomas Hueber
GIPSA - Cognitive Robotics, Interactive Systems, & Speech Processing
Samuel Limier
  • Fonction : Auteur
  • PersonId : 1057619
Laurent Girin
GIPSA - Cognitive Robotics, Interactive Systems, & Speech Processing
CV

Domaines

Traitement du signal et de l'image [eess.SP] Intelligence artificielle [cs.AI]

Thomas Hueber  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-02349406

Soumis le : mardi 5 novembre 2019-16:20:46

Dernière modification le : jeudi 4 avril 2024-21:27:30

Fichier non déposé

Dates et versions

hal-02349406 , version 1 (05-11-2019)

Identifiants

  • HAL Id : hal-02349406 , version 1

Citer

Fanny Roche, Thomas Hueber, Samuel Limier, Laurent Girin. Autoencoders for music sound modeling : a comparison of linear, shallow, deep, recurrent and variational models. SMC 2019 - 16th Sound & Music Computing Conference, May 2019, Malaga, Spain. ⟨hal-02349406⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UGA CNRS GIPSA GIPSA-DPC GIPSA-CRISSP
124 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More