대조 학습 (Contrastive Learning)을 결합한 오토인코더 (Autoencoder) 기반의 세그먼트 수준 중국어 음성 인지 기능

요약

대조 학습과 오토인코더를 결합하여 제한된 라벨링 데이터 환경에서도 견고한 음성 기반 인지 기능 저하 탐지 프레임워크를 제안합니다. 중국어 음성 데이터셋 실험을 통해 세그먼트 수준의 표현 학습이 임상적 분류 성능을 효과적으로 향상함을 입증했습니다.

핵심 포인트

• 오토인코더와 대조 학습을 결합한 세그먼트 수준 표현 학습 프레임워크 개발
• 데이터 증강 전략을 통해 데이터 부족 및 데이터셋 간 변동성 문제 해결
• 중국어 음성 데이터셋 기반 이진 및 3클래스 분류에서 경쟁력 있는 성능 확인
• 자원이 제한된 임상 환경에서 실용적인 인지 기능 스크리닝 가능성 제시