論文の概要: Generalized Fast Multichannel Nonnegative Matrix Factorization Based on
Gaussian Scale Mixtures for Blind Source Separation
- arxiv url: http://arxiv.org/abs/2205.05330v1
- Date: Wed, 11 May 2022 08:09:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-12 20:54:32.416390
- Title: Generalized Fast Multichannel Nonnegative Matrix Factorization Based on
Gaussian Scale Mixtures for Blind Source Separation
- Title（参考訳）: ブラインド音源分離のためのガウススケール混合に基づく一般化高速マルチチャネル非負行列分解
- Authors: Mathieu Fontaine (LTCI, RIKEN AIP), Kouhei Sekiguchi (RIKEN AIP),
Aditya Nugraha (RIKEN AIP), Yoshiaki Bando (AIST, RIKEN AIP), Kazuyoshi
Yoshii (RIKEN AIP)
- Abstract要約: 本稿では,FastMNMFと呼ばれる多目的ブラインドソース分離手法のヘビーテール拡張について述べる。
インパルス変数の確率密度関数が解析式を持たない場合でも動作する予測最大化アルゴリズムを開発した。
- 参考スコア（独自算出の注目度）: 3.141085922386211
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper describes heavy-tailed extensions of a state-of-the-art versatile
blind source separation method called fast multichannel nonnegative matrix
factorization (FastMNMF) from a unified point of view. The common way of
deriving such an extension is to replace the multivariate complex Gaussian
distribution in the likelihood function with its heavy-tailed generalization,
e.g., the multivariate complex Student's t and leptokurtic generalized Gaussian
distributions, and tailor-make the corresponding parameter optimization
algorithm. Using a wider class of heavy-tailed distributions called a Gaussian
scale mixture (GSM), i.e., a mixture of Gaussian distributions whose variances
are perturbed by positive random scalars called impulse variables, we propose
GSM-FastMNMF and develop an expectationmaximization algorithm that works even
when the probability density function of the impulse variables have no
analytical expressions. We show that existing heavy-tailed FastMNMF extensions
are instances of GSM-FastMNMF and derive a new instance based on the
generalized hyperbolic distribution that include the normal-inverse Gaussian,
Student's t, and Gaussian distributions as the special cases. Our experiments
show that the normalinverse Gaussian FastMNMF outperforms the state-of-the-art
FastMNMF extensions and ILRMA model in speech enhancement and separation in
terms of the signal-to-distortion ratio.
- Abstract（参考訳）: 本稿では,高速多チャンネル非負行列分解(fast multichannel non negative matrix factorization, fastmnmf)と呼ばれる,最先端の多彩なブラインド音源分離法の拡張について,統一的な視点から述べる。
そのような拡張を導出する一般的な方法は、確率関数の多変量複素ガウス分布をその重尾一般化(例えば、多変量複素ガウス分布 t とレプトルティック一般化ガウス分布)に置き換え、対応するパラメータ最適化アルゴリズムをテーラーメイクすることである。
ガウススケール混合(gsm)と呼ばれるより広いクラス、すなわち、分散が正のランダムスカラー(インパルス変数)によって摂動されるガウス分布の混合物を用いて、gsm-fastmnmfを提案し、インパルス変数の確率密度関数が解析式を持たない場合でも、期待最大化アルゴリズムを開発する。
既存の重み付きfastmnmf拡張はgsm-fastmnmfのインスタンスであり、正規逆ガウス分布、学生 t およびガウス分布を含む一般化双曲型分布に基づく新しいインスタンスを特殊ケースとして導出する。
実験の結果, 正規逆ガウスのFastMNMFは, 音声強調と分離において, 最先端のFastMNMF拡張およびIRRMAモデルよりも高い性能を示した。
関連論文リスト
- Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳（メタデータ） (2022-02-23T06:11:49Z) - Gaussian Graphical Models as an Ensemble Method for Distributed Gaussian
Processes [8.4159776055506]
我々はガウスの専門家の予測をガウス図形モデル(GGM)により集約する新しいアプローチを提案する。
まず、予測最大化(EM)アルゴリズムを用いて、潜伏変数と観測変数の合同分布を推定する。
我々の新しい手法は他の最先端のDGP手法よりも優れている。
論文 参考訳（メタデータ） (2022-02-07T15:22:56Z) - On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。
本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。
理論的にも経験的にも二重降下現象を観察する。
論文 参考訳（メタデータ） (2021-10-13T17:47:39Z) - Normalizing Field Flows: Solving forward and inverse stochastic
differential equations using Physics-Informed flow model [8.455584500599807]
本研究では,散乱測定からランダム場を学習する場流の正規化(NFF)について紹介する。
我々は、非ガウス過程、混合ガウス過程、前方および逆偏微分方程式を学習するためのNFFモデルの有効性を実証する。
論文 参考訳（メタデータ） (2021-08-30T01:58:01Z) - Fast approximations of the Jeffreys divergence between univariate
Gaussian mixture models via exponential polynomial densities [16.069404547401373]
ジェフリーズ・ダイバージェンス(英: Jeffreys divergence)は、機械学習、信号処理、情報科学でよく用いられる統計学のクルバック・リブラーの有名な対称性である。
任意の成分数の2つのGMM間のジェフリーズ偏差を近似するために, 単純かつ高速な関数を提案する。
論文 参考訳（メタデータ） (2021-07-13T07:58:01Z) - Scalable Variational Gaussian Processes via Harmonic Kernel
Decomposition [54.07797071198249]
汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。
様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。
提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
論文 参考訳（メタデータ） (2021-06-10T18:17:57Z) - Permutation Invariant Policy Optimization for Mean-Field Multi-Agent
Reinforcement Learning: A Principled Approach [128.62787284435007]
本稿では,平均場近似ポリシ最適化(MF-PPO)アルゴリズムを提案する。
我々は,MF-PPOが収束のサブ線形速度で世界的最適政策を達成することを証明した。
特に、置換不変ニューラルアーキテクチャによって引き起こされる誘導バイアスは、MF-PPOが既存の競合より優れていることを示す。
論文 参考訳（メタデータ） (2021-05-18T04:35:41Z) - Benign Overfitting of Constant-Stepsize SGD for Linear Regression [122.70478935214128]
帰納バイアスは 経験的に過剰フィットを防げる中心的存在です
この研究は、この問題を最も基本的な設定として考慮している: 線形回帰に対する定数ステップサイズ SGD。
我々は、(正規化されていない)SGDで得られるアルゴリズム正則化と、通常の最小二乗よりも多くの顕著な違いを反映する。
論文 参考訳（メタデータ） (2021-03-23T17:15:53Z) - The Minecraft Kernel: Modelling correlated Gaussian Processes in the
Fourier domain [3.6526103325150383]
任意の定常マルチ出力カーネルを任意の精度で近似できるカーネルファミリーを提案する。
提案されたカーネルファミリーは、スペクトル混合カーネルの最初のマルチアウトプット一般化である。
論文 参考訳（メタデータ） (2021-03-11T20:54:51Z) - Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。
本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。
本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
論文 参考訳（メタデータ） (2021-02-04T02:21:08Z)
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。