論文の概要: Sparse Multi-Family Deep Scattering Network

• arxiv url: http://arxiv.org/abs/2012.07662v1
• Date: Mon, 14 Dec 2020 16:06:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-08 22:23:42.254179
• Title: Sparse Multi-Family Deep Scattering Network
• Title（参考訳）: Sparse Multi-Family Deep Scattering Network
• Authors: Romain Cosentino, Randall Balestriero
• Abstract要約: DSN(Deep Scattering Network)の解釈可能性を活用した新しいアーキテクチャを提案する。 SMF-DSNは散乱係数の多様性を高めてDSNを強化し、(ii)非定常雑音に対するロバスト性を向上させる。
• 参考スコア（独自算出の注目度）: 14.932318540666543
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we propose the Sparse Multi-Family Deep Scattering Network (SMF-DSN), a novel architecture exploiting the interpretability of the Deep Scattering Network (DSN) and improving its expressive power. The DSN extracts salient and interpretable features in signals by cascading wavelet transforms, complex modulus and extract the representation of the data via a translation-invariant operator. First, leveraging the development of highly specialized wavelet filters over the last decades, we propose a multi-family approach to DSN. In particular, we propose to cross multiple wavelet transforms at each layer of the network, thus increasing the feature diversity and removing the need for an expert to select the appropriate filter. Secondly, we develop an optimal thresholding strategy adequate for the DSN that regularizes the network and controls possible instabilities induced by the signals, such as non-stationary noise. Our systematic and principled solution sparsifies the network's latent representation by acting as a local mask distinguishing between activity and noise. The SMF-DSN enhances the DSN by (i) increasing the diversity of the scattering coefficients and (ii) improves its robustness with respect to non-stationary noise.
• Abstract（参考訳）: 本研究では,sparse multi-family deep scattering network (smf-dsn)を提案する。 DSNは、ウェーブレット変換をカスケードして信号の正当性と解釈可能な特徴を抽出し、変換不変演算子を介してデータの表現を抽出する。 まず、過去数十年にわたって高度に専門化されたウェーブレットフィルタの開発を活用し、DSNに対するマルチファミリーアプローチを提案する。 特に,ネットワークの各層で複数のウェーブレット変換を交差させることを提案し,特徴の多様性を高め,専門家が適切なフィルタを選択する必要をなくす。 次に,ネットワークを正則化し,非定常雑音などの信号に起因する不安定性を制御するdsnに適した最適しきい値戦略を開発する。 提案手法は,ネットワークの潜在表現を,活動と雑音を区別するローカルマスクとして機能させることによってスパースする。 SMF-DSNは(i)散乱係数の多様性を高めてDSNを増強し、(ii)非定常雑音に対するロバスト性を向上させる。

関連論文リスト

• Federated Transfer Learning Based Cooperative Wideband Spectrum Sensing with Model Pruning [19.303303020775555]
  サブニキストサンプリングを可能にするために,マルチコセット前処理を利用するWSSニューラルネットワーク(WSSNet)を提案する。 複数のSUを動員するFTL(Federated Transfer Learning)ベースのフレームワークをさらに発展させ,様々なシナリオに適応可能なロバストモデルを実現する。
  論文  参考訳（メタデータ） (2024-09-09T09:42:46Z)
• Function Approximation for Reinforcement Learning Controller for Energy from Spread Waves [69.9104427437916]
  マルチジェネレータ・ウェーブ・エナジー・コンバータ(WEC)は、スプレッド・ウェーブと呼ばれる異なる方向から来る複数の同時波を処理しなければならない。 これらの複雑な装置は、エネルギー捕獲効率、維持を制限する構造的ストレスの低減、高波に対する積極的な保護という複数の目的を持つコントローラを必要とする。 本稿では,システム力学のシーケンシャルな性質をモデル化する上で,ポリシーと批判ネットワークの異なる機能近似について検討する。
  論文  参考訳（メタデータ） (2024-04-17T02:04:10Z)
• TBSN: Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
  BSN(Blind-spot Network)は、自己教師型イメージデノベーション(SSID)において一般的なネットワークアーキテクチャである。 本稿では, ブラインドスポット要求を満たす変圧器演算子の解析と再設計により, 変圧器ベースブラインドスポットネットワーク(TBSN)を提案する。 空間的自己注意のために、注意行列に精巧なマスクを適用して受容場を制限し、拡張された畳み込みを模倣する。 チャネル自己アテンションについては,マルチスケールアーキテクチャの深層部において,チャネル数が空間的サイズよりも大きい場合,盲点情報を漏洩する可能性がある。
  論文  参考訳（メタデータ） (2024-04-11T15:39:10Z)
• Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
  ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。 ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。 主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
  論文  参考訳（メタデータ） (2024-03-15T07:18:43Z)
• Sound Source Separation Using Latent Variational Block-Wise Disentanglement [33.94867897638613]
  本稿では,デジタル信号処理/ディープニューラルネットワーク(DSP/DNN)による音源分離手法を提案する。 古典的な信号処理理論結果によって動機づけられた課題の設計選択と変分定式化が,分布外のデータを見落とし,過度に適合するリスクの低減につながることを示す。
  論文  参考訳（メタデータ） (2024-02-08T07:22:39Z)
• Optimization Guarantees of Unfolded ISTA and ADMM Networks With Smooth Soft-Thresholding [57.71603937699949]
  我々は,学習エポックの数の増加とともに,ほぼゼロに近いトレーニング損失を達成するための最適化保証について検討した。 トレーニングサンプル数に対する閾値は,ネットワーク幅の増加とともに増加することを示す。
  論文  参考訳（メタデータ） (2023-09-12T13:03:47Z)
• Multi-channel Speech Separation Using Spatially Selective Deep Non-linear Filters [21.672683390080106]
  複数話者による複数チャンネル分離タスクにおいて、混合音から各音声信号を復元することを目的とする。 本研究では,深層ニューラルネットワークを用いた空間選択的フィルタ(SSF)を提案する。
  論文  参考訳（メタデータ） (2023-04-24T11:44:00Z)
• Deep Convolutional Learning-Aided Detector for Generalized Frequency Division Multiplexing with Index Modulation [0.0]
  提案手法は、まずゼロフォース検出器(ZF)を用いて受信信号を前処理し、その後、畳み込みニューラルネットワーク(CNN)と完全連結ニューラルネットワーク(FCNN)からなるニューラルネットワークを用いる。 FCNN部は2つの完全に接続された層しか使用せず、複雑さとBER(bit error rate)パフォーマンスのトレードオフをもたらすことができる。 提案したディープ畳み込みニューラルネットワークに基づく検出・復調方式は,ZF検出器よりも高いBER性能を示し,複雑性が増大することが実証されている。
  論文  参考訳（メタデータ） (2022-02-06T22:18:42Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)
• LaSAFT: Latent Source Attentive Frequency Transformation for Conditioned Source Separation [7.002478301291264]
  本稿では、ソース依存周波数パターンをキャプチャするLaSAFT(Latent Source Attentive Frequency Transformation)ブロックを提案する。 また,Gated Point-wise Convolutional Modulation (GPoCM) を提案する。
  論文  参考訳（メタデータ） (2020-10-22T11:58:23Z)
• Cross-Attention in Coupled Unmixing Nets for Unsupervised Hyperspectral Super-Resolution [79.97180849505294]
  本稿では,HSIの空間分解能を高めるために,CUCaNetというクロスアテンション機構を備えた新しい結合型アンミックスネットワークを提案する。 3つの広く使われているHS-MSデータセットに対して、最先端のHSI-SRモデルと比較実験を行った。
  論文  参考訳（メタデータ） (2020-07-10T08:08:20Z)

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。