Fugu-MT 論文翻訳(概要): Personalization of Hearing Aid Compression by Human-In-Loop Deep Reinforcement Learning

論文の概要: Personalization of Hearing Aid Compression by Human-In-Loop Deep Reinforcement Learning

arxiv url: http://arxiv.org/abs/2007.00192v1
Date: Wed, 1 Jul 2020 02:50:33 GMT
ステータス: 処理完了
システム内更新日: 2022-11-14 23:54:50.373827
Title: Personalization of Hearing Aid Compression by Human-In-Loop Deep Reinforcement Learning
Title（参考訳）: 対人深層強化学習による補聴器圧縮のパーソナライズ
Authors: Nasim Alamdari, Edward Lobarinas, and Nasser Kehtarnavaz
Abstract要約: 特定のユーザに対して必ずしも最適ではないユーザのグループからのゲイン平均に基づいて、補聴器の既存の規範的圧縮戦略を設計する。本稿では, 補聴器の圧縮をパーソナライズし, 補聴器の精度向上を図るための, ループ内深部強化学習手法を提案する。
参考スコア（独自算出の注目度）: 3.402787708517184
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Existing prescriptive compression strategies used in hearing aid fitting are designed based on gain averages from a group of users which are not necessarily optimal for a specific user. Nearly half of hearing aid users prefer settings that differ from the commonly prescribed settings. This paper presents a human-in-loop deep reinforcement learning approach that personalizes hearing aid compression to achieve improved hearing perception. The developed approach is designed to learn a specific user's hearing preferences in order to optimize compression based on the user's feedbacks. Both simulation and subject testing results are reported which demonstrate the effectiveness of the developed personalized compression.
Abstract（参考訳）: 特定のユーザに対して必ずしも最適ではないユーザのグループからのゲイン平均に基づいて、補聴器の既存の規範的圧縮戦略を設計する。補聴器使用者の半数近くは、通常定められた設定とは異なる設定を好む。本稿では, 補聴器の圧縮をパーソナライズし, 補聴器の音質を向上する深層強化学習手法を提案する。提案手法は、ユーザのフィードバックに基づいて圧縮を最適化するために、特定のユーザの聴取好みを学習するように設計されている。開発したパーソナライズド圧縮の有効性を示すシミュレーションおよび被験者試験結果が報告された。

関連論文リスト

Perception Compressor:A training-free prompt compression method in long context scenarios [17.720102137585503]
パーセプション(Perception)は、大規模言語モデルのトレーニング不要なプロンプト圧縮手法である。既存のメソッドのマージンを大きく上回り、最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-09-28T07:13:33Z)
Speechworthy Instruction-tuned Language Models [71.8586707840169]
提案手法は,学習の促進と嗜好の両面において,一般的な命令調整型LLMの音声適合性の向上を図っている。我々は,各手法が生成した応答の音声適合性向上にどのように貢献するかを示すために,語彙的,構文的,定性的な分析を共有する。
論文参考訳（メタデータ） (2024-09-23T02:34:42Z)
Predicting and Explaining Hearing Aid Usage Using Encoder-Decoder with Attention Mechanism and SHAP [0.0]
最適な補聴器装着や補聴器使用経験と相関する,個人的,行動的,環境的,その他の要因を理解することが不可欠である。 attn-EDは将来の補聴器の使用を予測できることが実験で実証されている。提案する枠組みは, 臨床医が介入の性質を判断する上でも有効である。
論文参考訳（メタデータ） (2024-05-18T12:19:16Z)
ROPO: Robust Preference Optimization for Large Language Models [59.10763211091664]
外部モデルの助けを借りずにノイズ耐性とノイズサンプルのフィルタリングを統合する反復アライメント手法を提案する。 Mistral-7BとLlama-2-7Bで広く使われている3つのデータセットの実験では、ROPOが既存の嗜好アライメント法を大幅に上回っていることが示されている。
論文参考訳（メタデータ） (2024-04-05T13:58:51Z)
Approximating Human-Like Few-shot Learning with GPT-based Compression [55.699707962017975]
我々は、推論中にデータ圧縮を可能にする、人間のような学習能力を備えた生成事前学習モデルを提案する。本稿では,GPT(Generative Pre-trained Transformer)を用いてコルモゴロフ複雑性を近似する手法を提案する。
論文参考訳（メタデータ） (2023-08-14T05:22:33Z)
Evaluating and Optimizing Hearing-Aid Self-Fitting Methods using Population Coverage [0.4014524824655105]
軽度から軽度に聴力を失う成人は、聴力障害を従来の聴力障害のわずかなコストで治療するために、オーバーザカウンタ補聴器を使用することができる。これらの製品には、聴覚学者の助けを借りずに、エンドユーザが補聴器を設定できる自己適合方式が組み込まれている。本稿では,効率的な自己適合手法を設計する方法と,高価なユーザスタディに頼らずに設計の特定の側面を評価することができるかを検討する。
論文参考訳（メタデータ） (2022-10-25T03:02:55Z)
End-to-End Binaural Speech Synthesis [71.1869877389535]
本稿では,低ビットレート音声システムと強力なデコーダを組み合わせたエンドツーエンド音声合成システムを提案する。実感的な聴覚シーンを作るために必要な環境効果を捉える上で, 対人的損失がもたらす効果を実証する。
論文参考訳（メタデータ） (2022-07-08T05:18:36Z)
Test-Time Adaptation Toward Personalized Speech Enhancement: Zero-Shot Learning with Knowledge Distillation [26.39206098000297]
小型消音モデルをテスト時間特異性に適応させる新しいパーソナライズ音声強調法を提案する。このテストタイム適応の目標は、テスト話者のクリーンな音声ターゲットを使わないことです。欠落しているクリーンな発話ターゲットの代わりに、過度に大きな教師モデルからより高度な消音結果を蒸留します。
論文参考訳（メタデータ） (2021-05-08T00:42:03Z)
DHASP: Differentiable Hearing Aid Speech Processing [23.101074347473904]
聴取者の聴力障害に対する適切な増幅は、良好な演奏に不可欠である。本稿では,補聴器音声処理フレームワークの導入により,最適な適合度を求めるための代替手法を提案する。このフレームワークは完全に差別化可能であり、効率的なデータ駆動最適化にバックプロパゲーションアルゴリズムを使用することができる。最初の目的の実験では、ノイズのない音声増幅に有望な結果が示され、自動最適化されたプロセッサは、よく認識された補聴器処方薬の1つを上回る。
論文参考訳（メタデータ） (2021-03-15T17:34:22Z)
Human Preference-Based Learning for High-dimensional Optimization of Exoskeleton Walking Gaits [55.59198568303196]
この研究は、LineCoSparという、高次元でユーザの好みを学習するヒューマン・イン・ザ・ループの好みベースのフレームワークを提示する。シミュレーションと人為的試行において,LineCoSparは高次元の選好最適化のためのサンプル効率のよい手法であることを実証的に検証した。この結果はエキソ骨格の歩行合成に影響を及ぼし,臨床応用と患者のリハビリテーションに有効である。
論文参考訳（メタデータ） (2020-03-13T22:02:15Z)
Speech Enhancement using Self-Adaptation and Multi-Head Self-Attention [70.82604384963679]
本稿では,補助的話者認識機能を用いた音声強調のための自己適応手法について検討する。テスト発話から直接適応に用いる話者表現を抽出する。
論文参考訳（メタデータ） (2020-02-14T05:05:36Z)

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。