La separation de signaux par les methodes d'apprentissage automatique

Dans ce livre, nous nous sommes intresss au problme de sparation aveugle de mlanges linaires instantans et convolutifs de sources. Pour la sparation des mlanges audio, nous avons dvelopp des mthodes nouvelles pour les cas avec bruit et sans bruit dans l'environnement de propagation. Quatre contributions ont t abordes dans ce travail selon deux types d'apprentissage automatique, savoir l'apprentissage supervis et non-supervis. Quant l'apprentissage supervis, nous avons propos une premire contribution de classification binaire base de classificateur de fichiers audio en appliquant l'algorithme de Machine Vecteur de Support (SVM).Quant l'apprentissage non-supervis, nous prsentons deux contributions avec une tude exprimentale sur les diffrents algorithmes des statistiques d'ordre suprieur et de deuxime ordre qui s'appuie sur les techniques de rduction de dimension. Concernant la quatrime contribution, nous avons propos une nouvelle approche de reconstruction de signaux et de suppression de bruit que nous allons appeler S-CDAE base sur les algorithmes de l'apprentissage automatique et les rseaux de neurones profonds.