Fugu-MT 論文翻訳(概要): ADPCM with nonlinear prediction

論文の概要: ADPCM with nonlinear prediction

arxiv url: http://arxiv.org/abs/2203.01818v1
Date: Thu, 24 Feb 2022 00:17:59 GMT
ステータス: 処理完了
システム内更新日: 2022-03-06 12:46:33.417294
Title: ADPCM with nonlinear prediction
Title（参考訳）: adpcmと非線形予測
Authors: Marcos Faundez-Zanuy, Oscar Oliva-Suarez
Abstract要約: ニューラルネットに基づく非線形予測器を用いたADPCM方式について検討する。本稿では,ブロック適応およびサンプル適応予測について論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Many speech coders are based on linear prediction coding (LPC), nevertheless with LPC is not possible to model the nonlinearities present in the speech signal. Because of this there is a growing interest for nonlinear techniques. In this paper we discuss ADPCM schemes with a nonlinear predictor based on neural nets, which yields an increase of 1-2.5dB in the SEGSNR over classical methods. This paper will discuss the block-adaptive and sample-adaptive predictions.
Abstract（参考訳）: 多くの音声コーダは線形予測符号化(LPC)に基づいているが、LPCでは音声信号に存在する非線形性をモデル化することはできない。このため、非線形手法への関心が高まっている。本稿では,従来の手法よりもSEGSNRにおいて1-2.5dBの増加をもたらす非線形予測器を用いたADPCM方式について述べる。本稿では,ブロック適応およびサンプル適応予測について論じる。

関連論文リスト

LinBridge: A Learnable Framework for Interpreting Nonlinear Neural Encoding Models [8.171696054935143]
LinBridgeは、非線形符号化モデルの解釈のためのヤコビ解析に基づく学習可能なフレームワークである。本研究では非線形ニューラルエンコーディングモデルを解釈するための新しいツールを提案する。
論文参考訳（メタデータ） (2024-10-26T03:02:34Z)
Diffusion models for probabilistic programming [56.47577824219207]
拡散モデル変分推論(DMVI)は確率型プログラミング言語(PPL)における自動近似推論手法である DMVIは実装が容易で、例えば正規化フローを用いた変分推論の欠点を伴わずに、PPLでヘイズルフリー推論が可能であり、基礎となるニューラルネットワークモデルに制約を課さない。
論文参考訳（メタデータ） (2023-11-01T12:17:05Z)
Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
論文参考訳（メタデータ） (2023-05-31T03:48:49Z)
Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。提案手法はRパッケージプローブに実装されている。
論文参考訳（メタデータ） (2022-09-16T19:15:50Z)
A comparative study of several ADPCM schemes with linear and nonlinear prediction [0.0]
ニューラルネットワークに基づく非線形予測と,線形予測に基づく古典的ADPCMスキームを比較した。適応量子化を用いたADPCM方式(2ビットから5ビット)の主に研究されているバリエーションは、-forward vs. backward -sample Adaptive vs. block Adaptiveである。
論文参考訳（メタデータ） (2022-03-07T07:57:18Z)
Nonlinear predictive models computation in ADPCM schemes [0.0]
本稿では,SEGSNRの1.2dBまでの性能向上を図るための新しい手法を提案する。フレーム間のSEGSNRのばらつきも最小限に抑えられ、新しいスキームは出力のより安定した品質を生み出す。
論文参考訳（メタデータ） (2022-03-03T21:03:38Z)
N-dimensional nonlinear prediction with MLP [0.0]
音声符号化のための非線形予測ベクトル量化器 (PVQ) を提案する。我々は,従来のADPCMコーダの結果を非線形予測で改善し,ビットレートを1ビットあたり1ビットまで削減した。
論文参考訳（メタデータ） (2022-02-24T09:09:28Z)
Predicting Flat-Fading Channels via Meta-Learned Closed-Form Linear Filters and Equilibrium Propagation [38.42468500092177]
フェーディングチャネルの予測は、様々なアプリケーションにおいて古典的な問題である。実際、ドップラースペクトルは未知であり、予測器は推定チャネルの限られた時系列にしかアクセスできない。本稿では,チャネルフェード予測のためのトレーニングデータの観点から,メタラーニングを活用して要件を緩和することを提案する。
論文参考訳（メタデータ） (2021-10-01T14:00:23Z)
LQF: Linear Quadratic Fine-Tuning [114.3840147070712]
本稿では,非線形微調整に匹敵する性能を実現する事前学習モデルの線形化手法を提案する。 LQFはアーキテクチャの単純な変更、損失関数、そして一般的に分類に使用される最適化で構成されている。
論文参考訳（メタデータ） (2020-12-21T06:40:20Z)
Improving predictions of Bayesian neural nets via local linearization [79.21517734364093]
ガウス・ニュートン近似は基礎となるベイズニューラルネットワーク(BNN)の局所線形化として理解されるべきである。この線形化モデルを後部推論に使用するので、元のモデルではなく、この修正モデルを使用することも予測すべきである。この修正された予測を"GLM predictive"と呼び、Laplace近似の共通不適合問題を効果的に解決することを示す。
論文参考訳（メタデータ） (2020-08-19T12:35:55Z)
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。