論文の概要: Direct design of biquad filter cascades with deep learning by sampling random polynomials

• arxiv url: http://arxiv.org/abs/2110.03691v1
• Date: Thu, 7 Oct 2021 17:58:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-11 16:54:35.218637
• Title: Direct design of biquad filter cascades with deep learning by sampling random polynomials
• Title（参考訳）: ランダム多項式サンプリングによる深層学習付きバイカッドフィルタカスケードの直接設計
• Authors: Joseph T. Colonel, Christian J. Steinmetz, Marcus Michelen and Joshua D. Reiss
• Abstract要約: 本研究では, 何百万ものランダムフィルタで学習したニューラルネットワークを用いて, フィルタ係数空間に対する目標規模の応答から直接写像を学習する。 提案手法は,所望の応答に対するフィルタ係数の高速かつ高精度な推定を可能にする。 修正Yule-Walkerや勾配降下などの既存手法と比較し,IIRNetが平均的に高速かつ高精度であることを示す。
• 参考スコア（独自算出の注目度）: 5.1118282767275005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing infinite impulse response filters to match an arbitrary magnitude response requires specialized techniques. Methods like modified Yule-Walker are relatively efficient, but may not be sufficiently accurate in matching high order responses. On the other hand, iterative optimization techniques often enable superior performance, but come at the cost of longer run-times and are sensitive to initial conditions, requiring manual tuning. In this work, we address some of these limitations by learning a direct mapping from the target magnitude response to the filter coefficient space with a neural network trained on millions of random filters. We demonstrate our approach enables both fast and accurate estimation of filter coefficients given a desired response. We investigate training with different families of random filters, and find training with a variety of filter families enables better generalization when estimating real-world filters, using head-related transfer functions and guitar cabinets as case studies. We compare our method against existing methods including modified Yule-Walker and gradient descent and show IIRNet is, on average, both faster and more accurate.
• Abstract（参考訳）: 任意の大きさの応答に対応する無限インパルス応答フィルタの設計には特別な技術が必要である。 修正ユール・ウォーカーのような手法は比較的効率的であるが、高次応答のマッチングには十分正確ではない可能性がある。 一方、反復最適化技術は、しばしば優れたパフォーマンスを実現するが、より長い実行時間と初期条件に敏感であり、手動のチューニングを必要とする。 本研究では,数百万のランダムフィルタ上でトレーニングされたニューラルネットワークを用いて,フィルタ係数空間に対する目標等級の応答から直接マッピングを学習することで,これらの制限に対処する。 提案手法は,所望の応答に対するフィルタ係数の高速かつ高精度な推定を可能にする。 実世界のフィルタを推定する際に,頭部伝達関数とギターキャビネットをケーススタディとして用い,様々なフィルタファミリを用いたトレーニングを行ない,よりよい一般化を実現する。 修正Yule-Walkerや勾配降下などの既存手法と比較し,IIRNetが平均的に高速かつ高精度であることを示す。

関連論文リスト

• Beyond Kalman Filters: Deep Learning-Based Filters for Improved Object Tracking [3.5693768338940304]
  本稿では,追跡検出システムのための2つの革新的なデータ駆動フィルタリング手法を提案する。 最初の方法は、トレーニング可能な運動モデルを持つベイズフィルタを用いて、物体の将来の位置を予測する。 第2の方法は、エンドツーエンドのトレーニング可能なフィルタで、検出エラーの修正を学習することでさらに前進する。
  論文  参考訳（メタデータ） (2024-02-15T10:47:44Z)
• Implicit Maximum a Posteriori Filtering via Adaptive Optimization [4.767884267554628]
  標準ベイズフィルタ問題を時間変化目標に対する最適化として検討する。 我々のフレームワークは、高次元システムに対して効率的で堅牢でスケーラブルなフィルタをもたらすことを示す。
  論文  参考訳（メタデータ） (2023-11-17T15:30:44Z)
• Filter Pruning for Efficient CNNs via Knowledge-driven Differential Filter Sampler [103.97487121678276]
  フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。 本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
  論文  参考訳（メタデータ） (2023-07-01T02:28:41Z)
• Computational Doob's h-transforms for Online Filtering of Discretely Observed Diffusions [65.74069050283998]
  本研究では,Doobの$h$-transformsを近似する計算フレームワークを提案する。 提案手法は、最先端粒子フィルタよりも桁違いに効率的である。
  論文  参考訳（メタデータ） (2022-06-07T15:03:05Z)
• Combinations of Adaptive Filters [38.0505909175152]
  適応フィルタの組み合わせは、分割と征服の原理を利用する。 特に、計算学習分野において、複数の学習アルゴリズムの出力を組み合わせるという課題が研究されている。
  論文  参考訳（メタデータ） (2021-12-22T22:21:43Z)
• Learning Versatile Convolution Filters for Efficient Visual Recognition [125.34595948003745]
  本稿では,効率的な畳み込みニューラルネットワーク構築のための多目的フィルタを提案する。 本稿では,ネットワークの複雑性に関する理論的解析を行い,効率的な畳み込み手法を提案する。 ベンチマークデータセットとニューラルネットワークの実験結果は、我々の汎用フィルタが元のフィルタと同等の精度を達成できることを実証している。
  論文  参考訳（メタデータ） (2021-09-20T06:07:14Z)
• Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative Filtering [59.349057602266]
  変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。 内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。 FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
  論文  参考訳（メタデータ） (2021-09-13T08:31:59Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Dependency Aware Filter Pruning [74.69495455411987]
  重要でないフィルタを割ることは、推論コストを軽減するための効率的な方法である。 以前の作業は、その重み基準やそれに対応するバッチノームスケーリング要因に従ってフィルタをプルークする。 所望の空間性を達成するために,空間性誘導正規化を動的に制御する機構を提案する。
  論文  参考訳（メタデータ） (2020-05-06T07:41:22Z)

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。