論文の概要: Speaker recognition by means of a combination of linear and nonlinear
predictive models
- arxiv url: http://arxiv.org/abs/2203.03190v1
- Date: Mon, 7 Mar 2022 07:57:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 18:29:24.775475
- Title: Speaker recognition by means of a combination of linear and nonlinear
predictive models
- Title(参考訳): 線形予測モデルと非線形予測モデルの組み合わせによる話者認識
- Authors: Marcos Faundez-Zanuy
- Abstract要約: LPCC係数上で定義される測度と予測分析残差信号上で定義される測度の組み合わせは、古典的手法よりも改善されることを示した。
また,計算負荷を削減するための効率的なアルゴリズムを提案する。
- 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: This paper deals the combination of nonlinear predictive models with
classical LPCC parameterization for speaker recognition. It is shown that the
combination of both a measure defined over LPCC coefficients and a measure
defined over predictive analysis residual signal gives rise to an improvement
over the classical method that considers only the LPCC coefficients. If the
residual signal is obtained from a linear prediction analysis, the improvement
is 2.63% (error rate drops from 6.31% to 3.68%) and if it is computed through a
nonlinear predictive neural nets based model, the improvement is 3.68%. An
efficient algorithm for reducing the computational burden is also proposed.
- Abstract(参考訳): 本稿では,非線形予測モデルと従来のLPCCパラメータ化を組み合わせた話者認識手法を提案する。
LPCC係数上で定義される測度と予測分析残差信号上で定義される測度の組み合わせは、LPCC係数のみを考慮した古典的手法よりも改善されることを示した。
線形予測解析から残差信号を得た場合、その改善率は2.63%(誤差率は6.31%から3.68%)であり、非線形予測ニューラルネットに基づくモデルで計算すると3.68%改善となる。
また,計算負荷を削減する効率的なアルゴリズムを提案する。
関連論文リスト
- An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - Bayesian Analysis for Over-parameterized Linear Model without Sparsity [8.1585306387285]
本研究では,データ共分散行列の固有ベクトルに依存する事前分布を用いたベイズ的手法を提案する。
また、導出した後続推定の収縮率も提供し、後続分布のガウス近似を計算した。
これらの結果は,データスペクトルを処理し,非スパースな高次元パラメータを推定できるベイズ的手法が実現可能であることを示唆している。
論文 参考訳(メタデータ) (2023-05-25T06:07:47Z) - Posterior and Computational Uncertainty in Gaussian Processes [52.26904059556759]
ガウスのプロセスはデータセットのサイズとともに違法にスケールする。
多くの近似法が開発されており、必然的に近似誤差を導入している。
この余分な不確実性の原因は、計算が限られているため、近似後部を使用すると完全に無視される。
本研究では,観測された有限個のデータと有限個の計算量の両方から生じる組合せ不確実性を一貫した推定を行う手法の開発を行う。
論文 参考訳(メタデータ) (2022-05-30T22:16:25Z) - ADPCM with nonlinear prediction [0.0]
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。
論文 参考訳(メタデータ) (2022-02-24T00:17:59Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-01-29T23:31:25Z) - Learning to Estimate Without Bias [57.82628598276623]
ガウスの定理は、重み付き最小二乗推定器は線形モデルにおける線形最小分散アンバイアスド推定(MVUE)であると述べている。
本稿では、バイアス制約のあるディープラーニングを用いて、この結果を非線形設定に拡張する第一歩を踏み出す。
BCEの第二の動機は、同じ未知の複数の推定値が平均化されてパフォーマンスが向上するアプリケーションにおいてである。
論文 参考訳(メタデータ) (2021-10-24T10:23:51Z) - Statistical Inference for High-Dimensional Linear Regression with
Blockwise Missing Data [13.48481978963297]
ブロックワイドなデータは、異なるソースまたはモダリティが相補的な情報を含むマルチソースまたはマルチモダリティデータを統合するときに発生する。
本稿では,未偏差推定方程式に基づいて回帰係数ベクトルを計算効率良く推定する手法を提案する。
アルツハイマー病神経画像イニシアチブの数値的研究と応用分析により、提案手法は既存の方法よりも教師なしのサンプルからより優れた性能と利益を得られることを示した。
論文 参考訳(メタデータ) (2021-06-07T05:12:42Z) - Regularized Nonlinear Regression for Simultaneously Selecting and
Estimating Key Model Parameters [1.6122433144430324]
システム同定では、限られた観測値を用いてモデルのパラメータを推定すると、識別性が低下する。
感度パラメータをキーモデルパラメータとして同時に選択および推定し、残りのパラメータを典型的な値の集合に固定する新しい方法を提案する。
論文 参考訳(メタデータ) (2021-04-23T06:17:57Z) - Re-Assessing the "Classify and Count" Quantification Method [88.60021378715636]
分類とカウント(CC)は、しばしば偏りのある推定器である。
以前の作業では、CCの適切に最適化されたバージョンを適切に使用できなかった。
最先端の手法に劣っているものの、ほぼ最先端の精度を実現している、と我々は主張する。
論文 参考訳(メタデータ) (2020-11-04T21:47:39Z) - Scalar Coupling Constant Prediction Using Graph Embedding Local
Attention Encoder [4.853665900411843]
スカラーカップリング定数 (SCC) は, 有機物の三次元構造解析において重要な役割を担っている。
SCCを効率的に正確に計算するために,局所自己注意エンコーダ(GELAE)モデルを埋め込んだグラフを提案する。
我々は、異なる構造表現、異なる注意モジュール、異なる損失を用いた一連の比較実験を行った。
グラフが局所的な自己注意を埋め込むと、検証セットにおける予測モデルの平均絶対誤差(MAE)は 0.1603 Hz から 0.1067 Hz に減少する。
論文 参考訳(メタデータ) (2020-09-07T02:53:03Z) - Evaluating probabilistic classifiers: Reliability diagrams and score
decompositions revisited [68.8204255655161]
確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。
コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
論文 参考訳(メタデータ) (2020-08-07T08:22:26Z)
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。