論文の概要: One or Two Components? The Scattering Transform Answers
- arxiv url: http://arxiv.org/abs/2003.01037v2
- Date: Thu, 25 Jun 2020 10:51:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 06:06:41.189957
- Title: One or Two Components? The Scattering Transform Answers
- Title(参考訳): 1つか2つのコンポーネント?
散乱変換は
- Authors: Vincent Lostanlen and Alice Cohen-Hadria and Juan Pablo Bello
- Abstract要約: 2次ノードの再正規化は、2つの隣り合うコンポーネントが精神音響的に干渉するかどうかを評価するための簡単な数値的基準を与えることを示す。
我々は「1つまたは2つの成分」の枠組みを3つ以上の正弦波に一般化し、フーリエ級数の有効散乱深さがその帯域幅に比例して対数的に大きくなることを証明した。
- 参考スコア(独自算出の注目度): 17.026628650481168
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the aim of constructing a biologically plausible model of machine
listening, we study the representation of a multicomponent stationary signal by
a wavelet scattering network. First, we show that renormalizing second-order
nodes by their first-order parents gives a simple numerical criterion to assess
whether two neighboring components will interfere psychoacoustically. Secondly,
we run a manifold learning algorithm (Isomap) on scattering coefficients to
visualize the similarity space underlying parametric additive synthesis.
Thirdly, we generalize the "one or two components" framework to three sine
waves or more, and prove that the effective scattering depth of a Fourier
series grows in logarithmic proportion to its bandwidth.
- Abstract(参考訳): 機械聴きの生物学的に妥当なモデルの構築を目的として,ウェーブレット散乱ネットワークによる多成分定常信号の表現について検討する。
まず,2次ノードの再正規化は,隣り合う2つのコンポーネントが精神音響的に干渉するかどうかを評価するための簡単な数値的基準を与えることを示す。
次に, パラメトリック加法合成に基づく類似性空間を可視化するために, 散乱係数上の多様体学習アルゴリズム(アイソマップ)を実行する。
第3に、"1つか2つのコンポーネント" フレームワークを3つの正弦波に一般化し、フーリエ級数の実効散乱深さがその帯域幅に比例して増加することを証明した。
関連論文リスト
- WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
深部画像登録は異常な精度と高速な推測を示した。
近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。
本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
論文 参考訳(メタデータ) (2024-07-18T11:51:01Z) - Three-body Forces in Oscillator Bases Expansion [0.0]
この方法は、与えられた3体力のクラスの管理を含むように一般化されている。
一般化の精度をラグランジュメッシュ法の結果と比較して評価する。
また、N$同一粒子系と2つの同一粒子系と1つの異なる粒子系の拡張についても論じている。
論文 参考訳(メタデータ) (2024-05-28T13:50:20Z) - Generative Adversarial Networks to infer velocity components in rotating
turbulent flows [2.0873604996221946]
CNNとGANは、ポイントワイドと統計的再構成の両方でEPODを常に上回ります。
解析は、予測と地上真実の間の空間距離$L$の標準検証ツールの両方を用いて行われる。
論文 参考訳(メタデータ) (2023-01-18T13:59:01Z) - Skeleton-Parted Graph Scattering Networks for 3D Human Motion Prediction [120.08257447708503]
体-関節関係をモデル化するグラフ畳み込みネットワークに基づく手法は,最近3次元骨格に基づく人間の動作予測において大きな可能性を示唆している。
骨格分割グラフ散乱ネットワーク(SPGSN)を提案する。
SPGSNは、Human3.6M、CMU Mocap、および3DPWデータセット上で、関節位置誤差(MPJPE)当たりの3D平均の13.8%、9.3%、および2.7%の差で最先端の手法を上回っている。
論文 参考訳(メタデータ) (2022-07-31T05:51:39Z) - Blind Extraction of Equitable Partitions from Graph Signals [0.0]
ネットワークのエッジの知識を必要とせずに、ネットワークの公平な分割を回復することを目的としたブラインド識別問題について検討する。
等価な分割を抽出する簡単なスペクトルアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-03-10T15:03:32Z) - Spectral embedding and the latent geometry of multipartite networks [67.56499794542228]
多くのネットワークはマルチパーティションであり、ノードはパーティションに分割され、同じパーティションのノードは接続されない。
本稿では,高次元空間の分割特異的な低次元部分空間近傍のスペクトル埋め込みにより得られるノード表現について述べる。
スペクトル埋め込み後の追従ステップとして,周辺次元ではなく固有次元のノード表現を復元する手法を提案する。
論文 参考訳(メタデータ) (2022-02-08T15:52:03Z) - Seeing Implicit Neural Representations as Fourier Series [13.216389226310987]
Inlicit Neural Representation (INR)は低次元問題領域における高周波関数を表現するために多層パーセプトロンを使用する。
これらの表現は、複雑な3Dオブジェクトやシーンに関連するタスクについて、最先端の結果を得た。
この研究は2つの方法間の接続を分析し、フーリエ写像されたパーセプトロンが構造的に1つの隠蔽層SIRENと似ていることを示す。
論文 参考訳(メタデータ) (2021-09-01T08:40:20Z) - Quantum asymmetry and noisy multi-mode interferometry [55.41644538483948]
量子非対称性 (quantum asymmetric) は、ジェネレータの固有空間間のコヒーレンス量と一致する物理資源である。
非対称性は、縮退部分空間内のコヒーレンスを増大させる結果として現れる可能性がある。
論文 参考訳(メタデータ) (2021-07-23T07:30:57Z) - Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating
Back-Propagation for Saliency Detection [54.98042023365694]
本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。
提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
論文 参考訳(メタデータ) (2020-07-23T18:47:36Z) - Manifold-Aware CycleGAN for High-Resolution Structural-to-DTI Synthesis [8.829738147738222]
本稿では,T1w画像から高分解能DTIの生成を学習する多様体対応CycleGANを提案する。
提案手法は,拡散測定値の計算やファイバトラクトグラフィーアルゴリズムの実行に使用可能な,現実的な高分解能DTIを生成することができる。
論文 参考訳(メタデータ) (2020-04-01T00:08:14Z) - Semiparametric Nonlinear Bipartite Graph Representation Learning with
Provable Guarantees [106.91654068632882]
半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。
提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。
我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
論文 参考訳(メタデータ) (2020-03-02T16:40:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。