論文の概要: Formant Tracking Using Quasi-Closed Phase Forward-Backward Linear
Prediction Analysis and Deep Neural Networks
- arxiv url: http://arxiv.org/abs/2201.01525v1
- Date: Wed, 5 Jan 2022 10:27:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-06 14:55:12.580382
- Title: Formant Tracking Using Quasi-Closed Phase Forward-Backward Linear
Prediction Analysis and Deep Neural Networks
- Title(参考訳): 準閉位相前方線形予測解析とディープニューラルネットワークを用いたフォルマント追跡
- Authors: Dhananjaya Gowda, Bajibabu Bollepalli, Sudarsana Reddy Kadiri, Paavo
Alku
- Abstract要約: 動的プログラミング(DP)とディープニューラルネット(DNN)に基づくホルマントトラッキングの研究
6つの手法は線形予測(LP)アルゴリズム、重み付きLPアルゴリズム、最近開発された準閉相フォワード(QCP-FB)法である。
QCP-FBに基づく深層学習と信号処理の利点を組み合わせた新しいフォルマント追跡手法を提案する。
- 参考スコア(独自算出の注目度): 48.98397553726019
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Formant tracking is investigated in this study by using trackers based on
dynamic programming (DP) and deep neural nets (DNNs). Using the DP approach,
six formant estimation methods were first compared. The six methods include
linear prediction (LP) algorithms, weighted LP algorithms and the recently
developed quasi-closed phase forward-backward (QCP-FB) method. QCP-FB gave the
best performance in the comparison. Therefore, a novel formant tracking
approach, which combines benefits of deep learning and signal processing based
on QCP-FB, was proposed. In this approach, the formants predicted by a
DNN-based tracker from a speech frame are refined using the peaks of the
all-pole spectrum computed by QCP-FB from the same frame. Results show that the
proposed DNN-based tracker performed better both in detection rate and
estimation error for the lowest three formants compared to reference formant
trackers. Compared to the popular Wavesurfer, for example, the proposed tracker
gave a reduction of 29%, 48% and 35% in the estimation error for the lowest
three formants, respectively.
- Abstract(参考訳): 本研究では,動的プログラミング(DP)とディープニューラルネット(DNN)に基づくトラッカーを用いてホルマント追跡を行う。
dp法を用いて6つのフォルマント推定法を最初に比較した。
6つの手法は線形予測(LP)アルゴリズム、重み付きLPアルゴリズム、最近開発された準閉相フォワード(QCP-FB)法である。
QCP-FBは比較で最高の性能を示した。
そこで,QCP-FBに基づく深層学習と信号処理の利点を組み合わせた新しいフォルマント追跡手法を提案する。
本手法では,同一フレームからQCP-FBによって計算された全極スペクトルのピークを用いて,音声フレームからDNNベースのトラッカーによって予測されるフォルマントを改良する。
その結果,提案したDNNトラッカーは,基準ホルマントトラッカーと比較して,最低3ホルマント検出率と推定誤差の両方が良好であった。
例えば、人気のあるwaveurferと比較すると、提案されているトラッカーは、最低3つのフォルマントに対する推定誤差が29%、48%、35%減少している。
関連論文リスト
- Unrolled denoising networks provably learn optimal Bayesian inference [54.79172096306631]
我々は、近似メッセージパッシング(AMP)のアンロールに基づくニューラルネットワークの最初の厳密な学習保証を証明した。
圧縮センシングでは、製品から引き出されたデータに基づいてトレーニングを行うと、ネットワークの層がベイズAMPで使用されるのと同じデノイザーに収束することを示す。
論文 参考訳(メタデータ) (2024-09-19T17:56:16Z) - Time-Varying Quasi-Closed-Phase Analysis for Accurate Formant Tracking
in Speech Signals [17.69029813982043]
音声信号におけるフォルマントの正確な推定と追跡のための新しい手法を提案する。
TVQCP分析はホルマント推定と追跡を改善する3つのアプローチを組み合わせる。
提案手法は,従来のフォーマント追跡ツールよりも優れた性能を示す。
論文 参考訳(メタデータ) (2023-08-31T08:30:20Z) - Quantitative Susceptibility Mapping through Model-based Deep Image Prior
(MoDIP) [10.230055884828445]
モデルベースDeep Image Prior(モデルベースDeep Image Prior)と呼ばれるトレーニング不要なモデルベース教師なし手法を提案する。
MoDIPは、訓練されていない小さなネットワークと、データフィデリティ最適化(DFO)モジュールで構成される。
計算効率は33%向上し、従来のDIPベースのアプローチの4倍高速である。
論文 参考訳(メタデータ) (2023-08-18T11:07:39Z) - Refining a Deep Learning-based Formant Tracker using Linear Prediction
Methods [19.88212227822267]
2つの洗練されたDeepFormantsトラッカーは、オリジナルのDeepFormantsと、5つの既知の伝統的なトラッカーと比較された。
その結果、データ駆動型DeepFormantsトラッカーは従来のトラッカーよりも優れており、QCP-FB分析を用いてDeepFormantsが予測したフォルマントを精製することで最高の性能が得られることがわかった。
論文 参考訳(メタデータ) (2023-08-17T15:32:32Z) - 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) - Deep learning via message passing algorithms based on belief propagation [2.931240348160871]
本稿では,局所的なエントロピー分布に偏りを持つ強化場を有するBPベースのメッセージパッシングアルゴリズムのファミリについて述べる。
これらのアルゴリズムは、SGDにインスパイアされたソリューションに匹敵するパフォーマンスで、離散重みとアクティベーションを持つ多層ニューラルネットワークをトレーニングすることができる。
論文 参考訳(メタデータ) (2021-10-27T16:52:26Z) - Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for
Cellular Offloading [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文 参考訳(メタデータ) (2020-10-18T20:22:05Z) - NOMA in UAV-aided cellular offloading: A machine learning approach [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文 参考訳(メタデータ) (2020-10-18T17:38:48Z) - AIN: Fast and Accurate Sequence Labeling with Approximate Inference
Network [75.44925576268052]
線形鎖条件ランダム場(CRF)モデルは最も広く使われているニューラルネットワークラベリング手法の1つである。
厳密な確率的推論アルゴリズムは典型的にはCRFモデルの訓練と予測段階に適用される。
CRFモデルに対して並列化可能な近似変分推論アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-09-17T12:18:43Z) - Using Machine Learning for Particle Track Identification in the CLAS12
Detector [0.0]
本稿では、有効なトラック候補を特定することによって、トラッキングを支援する4つの機械学習(ML)モデルの開発について述べる。
CLAS12再構成ソフトウェアの一部として、推奨トラック候補を持つアルゴリズムが実装された。
その結果、ソフトウェアは99%以上の精度を達成し、既存のアルゴリズムと比較してエンドツーエンドのスピードアップは35%になった。
論文 参考訳(メタデータ) (2020-08-28T21:57:38Z)
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。