論文の概要: A survey on active noise control techniques -- Part II: Nonlinear
systems
- arxiv url: http://arxiv.org/abs/2110.09672v1
- Date: Tue, 19 Oct 2021 00:41:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-20 15:04:50.510686
- Title: A survey on active noise control techniques -- Part II: Nonlinear
systems
- Title（参考訳）: アクティブ騒音制御技術に関する調査研究 -その2:非線形システム-
- Authors: Lu Lu, Kai-Li Yin, Rodrigo C. de Lamare, Zongsheng Zheng, Yi Yu,
Xiaomin Yang, Badong Chen
- Abstract要約: 第1部:過去10年間の線形アクティブノイズコントロール(ANC)技術の発展を振り返る。
Part II: 過去10年間のNLANCアルゴリズムの開発についてレビューする。
パートIII: 線形および非線形視点を含むANC技術の応用。
- 参考スコア（独自算出の注目度）: 39.64241809388008
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Part I of this paper reviewed the development of the linear active noise
control (ANC) technique in the past decade. However, ANC systems might have to
deal with some nonlinear components and the performance of linear ANC
techniques may degrade in this scenario. To overcome this limitation, nonlinear
ANC (NLANC) algorithms were developed. In Part II, we review the development of
NLANC algorithms during the last decade. The contributions of heuristic ANC
algorithms are outlined. Moreover, we emphasize recent advances of NLANC
algorithms, such as spline ANC algorithms, kernel adaptive filters, and
nonlinear distributed ANC algorithms. Then, we present recent applications of
ANC technique including linear and nonlinear perspectives. Future research
challenges regarding ANC techniques are also discussed.
- Abstract（参考訳）: 本稿は,過去10年間の線形アクティブノイズコントロール(ANC)技術の発展について概説する。
しかし、ANCシステムはいくつかの非線形成分を扱う必要があり、このシナリオでは線形ANC技術の性能が低下する可能性がある。
この制限を克服するために非線形ANC(NLANC)アルゴリズムを開発した。
パートIIでは,過去10年間のNLANCアルゴリズムの開発について概観する。
ヒューリスティックANCアルゴリズムの貢献について概説する。
さらに, スプラインANCアルゴリズム, カーネル適応フィルタ, 非線形分散ANCアルゴリズムなど, NLANCアルゴリズムの最近の進歩を強調した。
次に、線形および非線形視点を含むANC手法の最近の応用について述べる。
ANC技術に関する今後の研究課題についても論じる。
関連論文リスト
- Unsupervised learning based end-to-end delayless generative fixed-filter
active noise control [22.809445468752262]
遅延のないノイズ制御は、我々の初期の生成固定フィルタアクティブノイズ制御(GFANC)フレームワークによって実現されている。
コプロセッサの1次元畳み込みニューラルネットワーク(1D CNN)は、ラベル付きノイズデータセットを使用した初期トレーニングを必要とする。
本稿では,1次元CNNトレーニングプロセスを簡素化し,その実用性を高めるために,教師なしGFANCアプローチを提案する。
論文 参考訳（メタデータ） (2024-02-08T06:14:12Z) - Data-Driven Adversarial Online Control for Unknown Linear Systems [17.595231077524467]
このオンライン制御問題に対処する新しいデータ駆動型オンライン適応制御アルゴリズムを提案する。
我々のアルゴリズムは、高い確率で有界な$tmO(T2/3)の後悔勾配を保証し、この問題の最もよく知られた後悔勾配と一致する。
論文 参考訳（メタデータ） (2023-08-16T04:05:22Z) - The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。
FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。
我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
論文 参考訳（メタデータ） (2023-03-17T02:01:11Z) - Backward Reachability Analysis of Neural Feedback Loops: Techniques for
Linear and Nonlinear Systems [59.57462129637796]
本稿では,ニューラルネットワークを用いた閉ループシステムの安全性検証のための後方到達性アプローチを提案する。
フィードバックループにおけるNNの存在は、その活性化関数の非線形性や、NNモデルは一般に可逆的ではないため、ユニークな問題セットを示す。
フィードフォワードNNで表される制御ポリシを持つ線形系と非線形系のBP過近似を計算するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-28T13:17:28Z) - Learning to Control under Time-Varying Environment [18.48729114775298]
本稿では,線形時間変化(LTV)力学系における後悔の問題について検討する。
提案するオンラインアルゴリズムは, 計算に難易度を保証した最初のオンラインアルゴリズムである。
論文 参考訳（メタデータ） (2022-06-06T11:40:46Z) - A survey on active noise control techniques -- Part I: Linear systems [39.64241809388008]
アクティブノイズコントロール (ANC) は、電気音響・電気機械系のノイズレベルを低減する効果的な方法である。
本稿では,過去10年間のANC技術の発展について論じる。
論文 参考訳（メタデータ） (2021-10-01T16:54:29Z) - Reinforcement Learning as Iterative and Amortised Inference [62.997667081978825]
我々は、この制御を推論フレームワークとして使用し、償却および反復推論に基づく新しい分類スキームを概説する。
この観点から、比較的探索されていないアルゴリズム設計空間の一部を特定できることを示す。
論文 参考訳（メタデータ） (2020-06-13T16:10:03Z) - Multiscale Non-stationary Stochastic Bandits [83.48992319018147]
本稿では,非定常線形帯域問題に対して,Multiscale-LinUCBと呼ばれる新しいマルチスケール変更点検出法を提案する。
実験結果から,提案手法は非定常環境下での他の最先端アルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2020-02-13T00:24:17Z)
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。