論文の概要: Validation of artificial neural networks to model the acoustic behaviour
of induction motors
- arxiv url: http://arxiv.org/abs/2401.15377v1
- Date: Sat, 27 Jan 2024 10:49:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 18:39:51.323864
- Title: Validation of artificial neural networks to model the acoustic behaviour
of induction motors
- Title（参考訳）: 誘導電動機の音響挙動をモデル化するための人工ニューラルネットワークの検証
- Authors: F.J. Jimenez-Romero, D. Guijo-Rubio, F.R. Lara-Raya, A. Ruiz-Gonzalez,
C. Hervas-Martinez
- Abstract要約: 本研究は、誘導電動機の心理音響パラメータを同時に予測するモデリング手法として、マルチタスク人工ニューラルネットワークの使用を評価することである。
誘導電動機の音響特性を評価するために, 等価音圧, 音量, 粗さ, 鋭さを出力として2種類の人工ニューラルネットワークを提案する。
- 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: In the last decade, the sound quality of electric induction motors is a hot
topic in the research field. Specially, due to its high number of applications,
the population is exposed to physical and psychological discomfort caused by
the noise emission. Therefore, it is necessary to minimise its psychological
impact on the population. In this way, the main goal of this work is to
evaluate the use of multitask artificial neural networks as a modelling
technique for simultaneously predicting psychoacoustic parameters of induction
motors. Several inputs are used, such as, the electrical magnitudes of the
motor power signal and the number of poles, instead of separating the noise of
the electric motor from the environmental noise. Two different kind of
artificial neural networks are proposed to evaluate the acoustic quality of
induction motors, by using the equivalent sound pressure, the loudness, the
roughness and the sharpness as outputs. Concretely, two different topologies
have been considered: simple models and more complex models. The former are
more interpretable, while the later lead to higher accuracy at the cost of
hiding the cause-effect relationship. Focusing on the simple interpretable
models, product unit neural networks achieved the best results: for MSE and for
SEP. The main benefit of this product unit model is its simplicity, since only
10 inputs variables are used, outlining the effective transfer mechanism of
multitask artificial neural networks to extract common features of multiple
tasks. Finally, a deep analysis of the acoustic quality of induction motors in
done using the best product unit neural networks.
- Abstract（参考訳）: 過去10年間では、誘導電動機の音質が研究分野においてホットな話題となっている。
特に、その適用頻度が高いため、住民は騒音の放出による身体的、心理的な不快感にさらされている。
そのため、人口に対する心理的影響を最小限に抑える必要がある。
このようにして、誘導電動機の心理音響パラメータを同時に予測するモデリング手法として、マルチタスク人工ニューラルネットワークの使用を評価することが主な目的である。
いくつかの入力は、電気モーターのノイズと環境ノイズを分離する代わりに、モーターの電力信号の電気的大きさや極の数などに使われる。
等価な音圧, ラウドネス, 粗さ, シャープネスを出力として用いることにより, 誘導電動機の音響品質を評価するために, 2種類のニューラルネットワークが提案されている。
具体的には、単純なモデルとより複雑なモデルという2つの異なるトポロジが検討されている。
前者はより解釈可能であり、後者は原因と効果の関係を隠蔽するコストで高い精度をもたらす。
単純な解釈可能なモデルに注目して、製品ユニットニューラルネットワークは、MSEとSEPの最良の結果を得た。
この製品ユニットモデルの主な利点は、マルチタスクのニューラルネットワークの効果的な転送機構を概説し、複数のタスクの共通した特徴を抽出する10個の入力変数のみを使用するため、その単純さである。
最後に、最良製品単位ニューラルネットワークを用いた誘導電動機の音響品質の深い解析を行う。
関連論文リスト
- Impact of white noise in artificial neural networks trained for classification: performance and noise mitigation strategies [0.0]
ニューロンレベルでの加法的および乗法的なガウスホワイトノイズがネットワークの精度に与える影響を考察する。
我々はいくつかのノイズ低減手法を分類タスクの基本設定に適用する。
論文 参考訳（メタデータ） (2024-11-07T01:21:12Z) - sVAD: A Robust, Low-Power, and Light-Weight Voice Activity Detection
with Spiking Neural Networks [51.516451451719654]
スパイキングニューラルネットワーク(SNN)は生物学的に妥当で、電力効率が高いことが知られている。
本稿では sVAD と呼ばれる新しい SNN ベースの音声活動検出モデルを提案する。
SincNetと1D畳み込みによる効果的な聴覚特徴表現を提供し、アテンション機構による雑音の堅牢性を向上させる。
論文 参考訳（メタデータ） (2024-03-09T02:55:44Z) - Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - On the Trade-off Between Efficiency and Precision of Neural Abstraction [62.046646433536104]
ニューラル抽象化は、最近、複雑な非線形力学モデルの形式近似として導入されている。
我々は形式的帰納的合成法を用いて、これらのセマンティクスを用いた動的モデルをもたらすニューラル抽象化を生成する。
論文 参考訳（メタデータ） (2023-07-28T13:22:32Z) - Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。
彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。
スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-06T13:04:45Z) - Mental arithmetic task classification with convolutional neural network
based on spectral-temporal features from EEG [0.47248250311484113]
ディープニューラルネットワーク(DNN)は、コンピュータビジョンアプリケーションにおいて大きな優位性を示している。
ここでは、主に2つの畳み込みニューラルネットワーク層を使用し、比較的少ないパラメータと高速で脳波からスペクトル時間的特徴を学習する浅層ニューラルネットワークを提案する。
実験の結果、浅いCNNモデルは他の全てのモデルより優れており、最高分類精度は90.68%に達した。
論文 参考訳（メタデータ） (2022-09-26T02:15:22Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Information contraction in noisy binary neural networks and its
implications [11.742803725197506]
我々は、各ニューロンが不正な出力を発生させる確率がゼロでない、ノイズの多いバイナリニューラルネットワークを考察する。
私たちの重要な発見は、ノイズの多いニューラルネットワークで必要なニューロンの数が少ないことです。
本稿では,情報理論のレンズを通して,ノイズの多い情報処理システムに対する新たな理解を提供する。
論文 参考訳（メタデータ） (2021-01-28T00:01:45Z) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳（メタデータ） (2021-01-24T12:44:38Z) - A superconducting nanowire spiking element for neural networks [0.0]
大規模ニューラルネットワークの成功の鍵は、スケーラブルで、従来の制御エレクトロニクスと簡単に接続できる、電力効率のよいスパイク要素である。
10aJの順にパルスエネルギーを持つ超伝導ナノワイヤからなるスパイク素子を提案する。
本装置は、屈折周期や発射閾値などの生体ニューロンの本質的特性を再現することを示した。
論文 参考訳（メタデータ） (2020-07-29T20:48:36Z) - A convolutional neural-network model of human cochlear mechanics and
filter tuning for real-time applications [11.086440815804226]
本稿では,畳み込みニューラルネットワークと計算神経科学を組み合わせるハイブリッドアプローチを提案する。
CoNNearモデルは、ヒトの人工内耳周波数選択率とその音響強度依存性を正確にシミュレートする。
これらのユニークなCNNear機能は、次世代のヒューマンライクな機械学習アプリケーションを可能にする。
論文 参考訳（メタデータ） (2020-04-30T14:43:03Z)
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。