論文の概要: The Effects of Signal-to-Noise Ratio on Generative Adversarial Networks
Applied to Marine Bioacoustic Data
- arxiv url: http://arxiv.org/abs/2312.14806v1
- Date: Fri, 22 Dec 2023 16:27:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-25 14:30:10.039677
- Title: The Effects of Signal-to-Noise Ratio on Generative Adversarial Networks
Applied to Marine Bioacoustic Data
- Title(参考訳): 海洋生物音響データに対する信号対雑音比が生成的対立ネットワークに及ぼす影響
- Authors: Georgia Atkinson, Nick Wright, A. Stephen McGough and Per Berggren
- Abstract要約: GAN(Generative Adversarial Network)は海洋生物音響学の分野におけるデータセットの補完に用いられる。
海洋生物音響データの顕著な課題の1つは、GANのような深層学習技術を適用する際に困難を呈する低信号-雑音比(SNR)である。
本研究では,SNRがGAN演奏に与える影響について検討し,GAN演奏の3つの評価手法について検討する。
- 参考スコア(独自算出の注目度): 0.5325390073522079
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years generative adversarial networks (GANs) have been used to
supplement datasets within the field of marine bioacoustics. This is driven by
factors such as the cost to collect data, data sparsity and aid preprocessing.
One notable challenge with marine bioacoustic data is the low signal-to-noise
ratio (SNR) posing difficulty when applying deep learning techniques such as
GANs. This work investigates the effect SNR has on the audio-based GAN
performance and examines three different evaluation methodologies for GAN
performance, yielding interesting results on the effects of SNR on GANs,
specifically WaveGAN.
- Abstract(参考訳): 近年,海洋生物音響分野におけるデータセットの補足にgans(generative adversarial network)が用いられている。
これはデータ収集コスト、データの分散性、前処理支援などの要因によって引き起こされる。
海洋生物音響データの顕著な課題の1つは、GANのような深層学習技術を適用する際に困難を呈する低信号-雑音比(SNR)である。
本研究では,SNRがGAN演奏に与える影響について検討し,GAN演奏に対する3つの評価手法について検討し,特にWaveGANにおけるSNRの効果について興味深い結果を得た。
関連論文リスト
- A multi-artifact EEG denoising by frequency-based deep learning [5.231056284485742]
我々は周波数領域で動作する新しい脳波復調モデルを開発し、ノイズスペクトルの特徴に関する事前知識を活用している。
EEGdenoiseNetデータセットの性能評価は、提案モデルが時間およびスペクトルの指標に応じて最適な結果を得ることを示す。
論文 参考訳(メタデータ) (2023-10-26T12:01:47Z) - DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial
Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。
現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。
本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文 参考訳(メタデータ) (2023-09-07T13:43:46Z) - Feature Reweighting for EEG-based Motor Imagery Classification [19.60277407367574]
畳み込みニューラルネットワーク(CNN)に基づく手法はMI-EEG分類に広く利用されている。
MI-EEG信号分類のためのニューラルネットワークのトレーニングの課題は、低信号対雑音比、非定常性、非線形性、EEG信号の複雑さである。
この問題に対処するために、新しい特徴の再重み付け手法が提案されている。
論文 参考訳(メタデータ) (2023-07-29T14:22:10Z) - Weak-signal extraction enabled by deep-neural-network denoising of
diffraction data [26.36525764239897]
深層畳み込みニューラルネットワークを用いて、データの復号化を図示する。
ノイズの多いデータでは、電荷の順序から生じる弱信号が可視化され、精度が向上することを示す。
論文 参考訳(メタデータ) (2022-09-19T14:43:01Z) - A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。
得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
論文 参考訳(メタデータ) (2021-04-19T14:43:07Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳(メタデータ) (2021-03-18T11:01:21Z) - Image Denoising using Attention-Residual Convolutional Neural Networks [0.0]
本稿では,学習に基づく新たな非盲検手法であるAttention Residual Convolutional Neural Network (ARCNN)を提案し,その拡張としてFlexible Attention Residual Convolutional Neural Network (FARCNN)を提案する。
ARCNNはガウス語とポアソン語で約0.44dBと0.96dBの平均PSNR結果を達成し、FARCNNはARCNNに比べて若干パフォーマンスが悪くても非常に一貫した結果を示した。
論文 参考訳(メタデータ) (2021-01-19T16:37:57Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳(メタデータ) (2020-10-12T16:50:22Z) - A Generative Adversarial Approach To ECG Synthesis And Denoising [0.0]
本稿では,GANを用いて現実的なECG信号を生成する手法を提案する。
我々はこれらを利用してECG信号の最先端のフィルタリング品質を実現するデノナイズオートエンコーダを訓練し評価する。
論文 参考訳(メタデータ) (2020-09-06T10:17:33Z) - Improving Stability of LS-GANs for Audio and Speech Signals [70.15099665710336]
このベクトル空間で計算された正規性からジェネレータ最適化の定式化への切り離しの符号化は、より包括的な分光図を作成するのに役立つことを示す。
本手法をベースラインGANと比較してモード崩壊の少ないトレーニングにおける安定性向上に有効であることを示す。
論文 参考訳(メタデータ) (2020-08-12T17:41:25Z) - RDP-GAN: A R\'enyi-Differential Privacy based Generative Adversarial
Network [75.81653258081435]
GAN(Generative Adversarial Network)は,プライバシ保護の高い現実的なサンプルを生成する能力によって,近年注目を集めている。
しかし、医療記録や財務記録などの機密・私的な訓練例にGANを適用すると、個人の機密・私的な情報を漏らしかねない。
本稿では、学習中の損失関数の値にランダムノイズを慎重に付加することにより、GAN内の差分プライバシー(DP)を実現するR'enyi-differentially private-GAN(RDP-GAN)を提案する。
論文 参考訳(メタデータ) (2020-07-04T09:51:02Z)
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。