論文の概要: Neural modeling of magnetic tape recorders

• arxiv url: http://arxiv.org/abs/2305.16862v1
• Date: Fri, 26 May 2023 12:15:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 15:14:07.865050
• Title: Neural modeling of magnetic tape recorders
• Title（参考訳）: 磁気テープレコーダのニューラルモデリング
• Authors: Otto Mikkonen, Alec Wright, Eloi Moliner and Vesa V\"alim\"aki
• Abstract要約: オープンリールやカセットテープレコーダーのような磁気記録媒体の音は今日の音の実践者たちに追われている。 本稿では,ニューラルネットワークを用いて文字をデジタルエミュレートする手法を提案する。
• 参考スコア（独自算出の注目度）: 3.058685580689605
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The sound of magnetic recording media, such as open-reel and cassette tape recorders, is still sought after by today's sound practitioners due to the imperfections embedded in the physics of the magnetic recording process. This paper proposes a method for digitally emulating this character using neural networks. The signal chain of the proposed system consists of three main components: the hysteretic nonlinearity and filtering jointly produced by the magnetic recording process as well as the record and playback amplifiers, the fluctuating delay originating from the tape transport, and the combined additive noise component from various electromagnetic origins. In our approach, the hysteretic nonlinear block is modeled using a recurrent neural network, while the delay trajectories and the noise component are generated using separate diffusion models, which employ U-net deep convolutional neural networks. According to the conducted objective evaluation, the proposed architecture faithfully captures the character of the magnetic tape recorder. The results of this study can be used to construct virtual replicas of vintage sound recording devices with applications in music production and audio antiquing tasks.
• Abstract（参考訳）: オープンリールやカセットテープレコーダーのような磁気記録媒体の音は、磁気記録プロセスの物理に埋め込まれた不完全さのために、今日の音響実践者によって依然として追求されている。 本稿では,ニューラルネットワークを用いたデジタルエミュレート手法を提案する。 提案方式の信号連鎖は, 磁気記録法により生成したヒステリシス非線形性とフィルタリング, 記録・再生増幅器, テープ搬送から発生する変動遅延, 各種電磁起源からの付加雑音成分の3成分からなる。 提案手法では, 階層的非線形ブロックをリカレントニューラルネットワークを用いてモデル化し, 遅延軌跡と雑音成分をU-net深部畳み込みニューラルネットワークを用いた拡散モデルを用いて生成する。 提案手法では,磁気テープレコーダの特性を忠実に把握する。 本研究は, ヴィンテージ録音装置の仮想レプリカを製作し, 音楽制作と音響古文書作成に応用することを目的としている。

関連論文リスト

• Magnetic Hysteresis Modeling with Neural Operators [0.7817677116789855]
  本稿では、磁場間のマッピングを学習することで、磁気ニューラル演算子を示す法則をモデル化するためのニューラル演算子を提案する。 3つのニューラル演算子-ディープ演算子ネットワーク、フーリエとウェーブレットのニューラル演算子は、新しい一階反転曲線とマイナーループを予測するために使用される。 磁場の速度非依存特性を組み込むために、トレーニング中に使用するものと異なるサンプリングレートで物質応答を予測するために、速度非依存ニューラル演算子を提案する。
  論文  参考訳（メタデータ） (2024-07-03T16:45:45Z)
• Reverse the auditory processing pathway: Coarse-to-fine audio reconstruction from fMRI [20.432212333539628]
  本稿では,機能的磁気共鳴画像(fMRI)データに基づく,より粗い音響再構成手法を提案する。 我々は,3つの公開fMRIデータセットであるBrain2Sound,Brain2Music,Brain2Speechについて検証を行った。 復号化時に意味的プロンプトを用いることで,意味的特徴が最適でない場合に,再構成音声の品質を向上させる。
  論文  参考訳（メタデータ） (2024-05-29T03:16:14Z)
• Domain Wall Magnetic Tunnel Junction Reliable Integrate and Fire Neuron [0.0]
  本稿では,磁区壁と磁気トンネル接合を用いた人工統合火災ニューロンデバイスの設計と製造について述べる。 本研究では,磁壁-磁気トンネル接合型ニューロンデバイスにおける信頼性のある統合火炎リセットの実証実験を行った。 その結果、磁壁-磁気トンネル接合型ニューロンデバイスにおいて、信頼性の高い統合火炎リセットを初めて実現し、ニューロモルフィックコンピューティングにおけるスピントロニクスの約束を示す。
  論文  参考訳（メタデータ） (2024-05-23T17:56:52Z)
• Masked Audio Generation using a Single Non-Autoregressive Transformer [90.11646612273965]
  MAGNeTは、複数のオーディオトークンストリーム上で直接動作するマスク付き生成シーケンスモデリング手法である。 テキスト・トゥ・ミュージック・アンド・テキスト・トゥ・オーディオ・ジェネレーションのタスクにおけるMAGNeTの有効性を実証する。 我々は、自己回帰と非自己回帰モデリングのトレードオフを指摘するとともに、MAGNeTを構成する各コンポーネントの重要性を強調した。
  論文  参考訳（メタデータ） (2024-01-09T14:29:39Z)
• On Neural Architectures for Deep Learning-based Source Separation of Co-Channel OFDM Signals [104.11663769306566]
  周波数分割多重化(OFDM)信号を含む単一チャネル音源分離問題について検討する。 我々はOFDM構造からの洞察に基づいて、ネットワークパラメータ化に対する重要なドメインインフォームド修正を提案する。
  論文  参考訳（メタデータ） (2023-03-11T16:29:13Z)
• Toward deep-learning-assisted spectrally-resolved imaging of magnetic noise [52.77024349608834]
  本研究では,基礎となるゆらぎ磁場のスペクトル密度を効率的に再構成するディープニューラルネットワークを実装した。 これらの結果は、色中心に基づくナノスケールセンシングとイメージングに機械学習手法を適用する機会を生み出す。
  論文  参考訳（メタデータ） (2022-08-01T19:18:26Z)
• Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
  本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。 本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。 このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
  論文  参考訳（メタデータ） (2021-10-13T21:51:56Z)
• Removing Noise from Extracellular Neural Recordings Using Fully Convolutional Denoising Autoencoders [62.997667081978825]
  ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。 シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-09-18T14:51:24Z)
• Learning to Denoise Historical Music [30.165194151843835]
  そこで我々は,古い録音を聴くことを学習する音声から音声へのニューラルネットモデルを提案する。 ネットワークは、ノイズの多い音楽データセット上で、再構成と敵の目的の両方で訓練される。 提案手法は,原曲の品質と詳細を保存しながら,ノイズ除去に有効であることを示す。
  論文  参考訳（メタデータ） (2020-08-05T10:05:44Z)
• Time-dependent atomic magnetometry with a recurrent neural network [0.0]
  エンコーダ・デコーダアーキテクチャのニューラルネットワークは,計測データを処理し,記録信号と時間依存磁界の間の正確なマップを学習できることを示す。
  論文  参考訳（メタデータ） (2020-07-27T13:41:13Z)
• Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by Spiking Neural Network [68.43026108936029]
  雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。 このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。 実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
  論文  参考訳（メタデータ） (2020-07-07T08:22:56Z)

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。