Fugu-MT 論文翻訳(概要): The Pseudo Projection Operator: Applications of Deep Learning to Projection Based Filtering in Non-Trivial Frequency Regimes

論文の概要: The Pseudo Projection Operator: Applications of Deep Learning to Projection Based Filtering in Non-Trivial Frequency Regimes

arxiv url: http://arxiv.org/abs/2111.07140v1
Date: Sat, 13 Nov 2021 16:09:14 GMT
ステータス: 処理完了
システム内更新日: 2021-11-16 17:41:30.475450
Title: The Pseudo Projection Operator: Applications of Deep Learning to Projection Based Filtering in Non-Trivial Frequency Regimes
Title（参考訳）: Pseudo射影演算子:非周期周波数の予測に基づくフィルタリングへのディープラーニングの適用
Authors: Matthew L. Weiss, Nathan C. Frey, Siddharth Samsi, Randy C. Paffenroth and Vijay Gadepally
Abstract要約: 本稿では,ニューラルネットワークを利用して周波数選択を行うPseudo Projection Operator(PPO)を提案する。我々は,ロチェスター大学マルチモーダル・ミュージック・パフォーマンス・データセット上で,PPO,PO,DAEのフィルタリング機能を比較した。ほとんどの実験では、PPOはPOとDAEの両方より優れています。
参考スコア（独自算出の注目度）: 5.632784019776093
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Traditional frequency based projection filters, or projection operators (PO), separate signal and noise through a series of transformations which remove frequencies where noise is present. However, this technique relies on a priori knowledge of what frequencies contain signal and noise and that these frequencies do not overlap, which is difficult to achieve in practice. To address these issues, we introduce a PO-neural network hybrid model, the Pseudo Projection Operator (PPO), which leverages a neural network to perform frequency selection. We compare the filtering capabilities of a PPO, PO, and denoising autoencoder (DAE) on the University of Rochester Multi-Modal Music Performance Dataset with a variety of added noise types. In the majority of experiments, the PPO outperforms both the PO and DAE. Based upon these results, we suggest future application of the PPO to filtering problems in the physical and biological sciences.
Abstract（参考訳）: 従来の周波数ベースプロジェクションフィルタ(PO)は、ノイズが存在する周波数を除去する一連の変換を通じて、信号とノイズを分離する。しかし、この手法は、周波数に信号とノイズが含まれており、これらの周波数が重なり合わないという事前知識に依存しており、実際は達成が難しい。これらの問題に対処するため、我々はPseudo Projection Operator (PPO)というPO-neural network hybrid modelを導入し、ニューラルネットワークを利用して周波数選択を行う。本研究では、ロチェスター大学のマルチモーダル音楽演奏データセットにおけるppo, po, denoising autoencoder (dae) のフィルタリング機能と、様々なノイズタイプの比較を行った。ほとんどの実験では、PPOはPOとDAEの両方より優れています。これらの結果をもとに,PPOの物理・生物科学における問題点のフィルタリングへの応用を提案する。

関連論文リスト

FilterNet: Harnessing Frequency Filters for Time Series Forecasting [34.83702192033196]
FilterNetは、時系列信号の特定の成分を選択的に通過または減衰させることにより、重要な情報的時間パターンを抽出するために、我々の提案した学習可能な周波数フィルタ上に構築されている。 2つのフィルタを備えることで、FilterNetは、時系列文学で広く採用されている線形およびアテンションマッピングを概ねサロゲートすることができる。
論文参考訳（メタデータ） (2024-11-03T16:20:41Z)
On Optimal Sampling for Learning SDF Using MLPs Equipped with Positional Encoding [79.67071790034609]
我々は、好ましくない副作用を伴わずに、正確な暗黙の場を学習するための適切なサンプリング率を決定するツールを考案した。 PEを具備したPEは、PE層の最高周波数成分よりも内在周波数がはるかに高いことが観察された。 SDFフィッティングの設定において,この推奨サンプリングレートは正確なフィッティング結果の確保に十分であることを示す。
論文参考訳（メタデータ） (2024-01-02T10:51:52Z)
Instabilities in Convnets for Raw Audio [1.5060156580765574]
ランダムなガウス重みを持つFIRフィルタバンクのエネルギー応答に対する大きな偏差の理論を示す。大規模なフィルタや局所的な周期的な入力信号の偏差が悪化することが判明した。数値シミュレーションは我々の理論と一致し、畳み込み層の条件数は対数スケーリング法則に従うことを示唆する。
論文参考訳（メタデータ） (2023-09-11T22:34:06Z)
Spectral analysis for noise diagnostics and filter-based digital error mitigation [0.0]
デバイスエラーによる出力信号の高次周波数モードの定量化を行う。これらのノイズによるモードのフィルタリングはデバイスエラーを効果的に軽減することを示す。
論文参考訳（メタデータ） (2022-06-17T14:42:58Z)
SpecGrad: Diffusion Probabilistic Model based Neural Vocoder with Adaptive Noise Spectral Shaping [51.698273019061645]
SpecGradは拡散雑音に適応し、その時間変化スペクトル包絡が条件付き対数メル分光器に近づく。時間周波数領域で処理され、計算コストは従来のDDPMベースのニューラルボコーダとほぼ同じである。
論文参考訳（メタデータ） (2022-03-31T02:08:27Z)
Deep Frequency Filtering for Domain Generalization [55.66498461438285]
Deep Neural Networks(DNN)は、学習プロセスにおいて、いくつかの周波数成分を優先する。本稿では、ドメイン一般化可能な特徴を学習するためのDeep Frequency Filtering (DFF)を提案する。提案したDFFをベースラインに適用すると,ドメインの一般化タスクにおける最先端の手法よりも優れることを示す。
論文参考訳（メタデータ） (2022-03-23T05:19:06Z)
Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
論文参考訳（メタデータ） (2022-02-28T05:49:35Z)
Sampling-Frequency-Independent Audio Source Separation Using Convolution Layer Based on Impulse Invariant Method [67.24600975813419]
単一深層ニューラルネットワークを用いて任意のサンプリング周波数を処理できる畳み込み層を提案する。提案層の導入により,従来の音源分離モデルが未知のサンプリング周波数でも一貫して動作できることを示した。
論文参考訳（メタデータ） (2021-05-10T02:33:42Z)
Multi-stream Convolutional Neural Network with Frequency Selection for Robust Speaker Verification [2.3437178262034095]
マルチストリーム畳み込みニューラルネットワーク(CNN)による話者検証のための新しいフレームワークを提案する。提案フレームワークは,複数のストリームから発生する多様な時間的埋め込みに対応し,音響モデリングの堅牢性を高める。 voxcelebデータセットの広範な実験を行い,マルチストリームcnnが単一ストリームベースラインを大きく上回ることを示した。
論文参考訳（メタデータ） (2020-12-21T07:23:40Z)
On Filter Generalization for Music Bandwidth Extension Using Deep Neural Networks [0.40611352512781856]
ディープニューラルネットワークを用いて帯域幅拡張問題を定式化し、帯域幅制限信号がネットワークへの入力として提供される。本研究の主な貢献は,ネットワークのトレーニングおよびテストにおいて,低域通過フィルタの選択が与える影響である。本稿では,トレーニング中に複数の低域通過フィルタを利用するデータ拡張戦略を提案する。
論文参考訳（メタデータ） (2020-11-14T11:41:28Z)
Noise Homogenization via Multi-Channel Wavelet Filtering for High-Fidelity Sample Generation in GANs [47.92719758687014]
GAN(Generative Adversarial Networks)のための新しいマルチチャネルウェーブレットに基づくフィルタリング手法を提案する。ジェネレータにウェーブレットのデコンボリューション層を埋め込むと、結果のGANであるWaveletGANがウェーブレットのデコンボリューションを利用して複数のチャネルによるフィルタリングを学習する。オープンGANベンチマークツールを用いて,Fashion-MNIST,KMNIST,SVHNデータセットのベンチマーク実験を行った。
論文参考訳（メタデータ） (2020-05-14T03:40:11Z)

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。