
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | University of Wolverhampton | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Edinburgh Napier University | - |
| Autor(es): dc.contributor | deepCI.org 20/1 Parkside Terrace | - |
| Autor(es): dc.creator | Passos, Leandro A. | - |
| Autor(es): dc.creator | Papa, João Paulo | - |
| Autor(es): dc.creator | Hussain, Amir | - |
| Autor(es): dc.creator | Adeel, Ahsan | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T20:22:45Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T20:22:45Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-03-28 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.neucom.2022.11.081 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/249585 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/249585 | - |
| Descrição: dc.description | Despite the recent success of machine learning algorithms, most models face drawbacks when considering more complex tasks requiring interaction between different sources, such as multimodal input data and logical time sequences. On the other hand, the biological brain is highly sharpened in this sense, empowered to automatically manage and integrate such streams of information. In this context, this work draws inspiration from recent discoveries in brain cortical circuits to propose a more biologically plausible self-supervised machine learning approach. This combines multimodal information using intra-layer modulations together with Canonical Correlation Analysis, and a memory mechanism to keep track of temporal data, the overall approach termed Canonical Cortical Graph Neural networks. This is shown to outperform recent state-of-the-art models in terms of clean audio reconstruction and energy efficiency for a benchmark audio-visual speech dataset. The enhanced performance is demonstrated through a reduced and smother neuron firing rate distribution. suggesting that the proposed model is amenable for speech enhancement in future audio-visual hearing aid devices. | - |
| Descrição: dc.description | CMI Lab School of Engineering and Informatics University of Wolverhampton | - |
| Descrição: dc.description | Department of Computing São Paulo State University | - |
| Descrição: dc.description | School of Computing Edinburgh Napier University, Scotland | - |
| Descrição: dc.description | deepCI.org 20/1 Parkside Terrace | - |
| Descrição: dc.description | Department of Computing São Paulo State University | - |
| Formato: dc.format | 196-203 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Neurocomputing | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Canonical correlation analysis | - |
| Palavras-chave: dc.subject | Cortical circuits | - |
| Palavras-chave: dc.subject | Graph neural network | - |
| Palavras-chave: dc.subject | Multimodal learning | - |
| Palavras-chave: dc.subject | Positional encoding | - |
| Palavras-chave: dc.subject | Prior frames neighborhood | - |
| Título: dc.title | Canonical cortical graph neural networks and its application for speech enhancement in audio-visual hearing aids | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: