Fugu-MT 論文翻訳(概要): Scaling laws for nonlinear dynamical models of speech

論文の概要: Scaling laws for nonlinear dynamical models of speech

arxiv url: http://arxiv.org/abs/2411.12720v1
Date: Tue, 19 Nov 2024 18:38:01 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-20 13:37:03.743603
Title: Scaling laws for nonlinear dynamical models of speech
Title（参考訳）: 非線形動的音声モデルのスケーリング法則
Authors: Sam Kirkham,
Abstract要約: 非線形タスクの動的モデルのパラメータ化のための簡単な数値計算法を提案する。音声生成を支える非線形なジェスチャー力学の解釈的シミュレーションをいかに促進するかを示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: The addition of a nonlinear restoring force to dynamical models of the speech gesture significantly improves the empirical accuracy of model predictions, but nonlinearity introduces challenges in selecting appropriate parameters and numerical stability, especially when modelling variation in empirical data. We address this issue by introducing simple numerical methods for parameterization of nonlinear task dynamic models. We first illustrate the problem and then outline solutions in the form of power laws that scale nonlinear stiffness terms. We apply the scaling laws to a cubic model and show how they facilitate interpretable simulations of the nonlinear gestural dynamics underpinning speech production.
Abstract（参考訳）: 音声ジェスチャーの動的モデルへの非線形復元力の追加は、モデル予測の経験的精度を大幅に向上させるが、非線形性は、特に経験的データの変動をモデル化する場合に、適切なパラメータと数値安定性を選択する際の課題をもたらす。本稿では,非線形タスクの動的モデルのパラメータ化のための簡単な数値計算手法を導入することで,この問題に対処する。まず問題を説明し、次に非線形剛性項をスケールする電力法則の形で解を概説する。本研究では,このスケーリング法則を立方体モデルに適用し,音声生成を支える非線形ジェスチャー力学の解釈的シミュレーションを容易にする方法を示す。

関連論文リスト

Latent Space Energy-based Neural ODEs [73.01344439786524]
本稿では,連続時間シーケンスデータを表現するために設計された深部力学モデルの新しいファミリを紹介する。マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。発振システム、ビデオ、実世界の状態シーケンス(MuJoCo)の実験は、学習可能なエネルギーベース以前のODEが既存のものより優れていることを示している。
論文参考訳（メタデータ） (2024-09-05T18:14:22Z)
Probabilistic Decomposed Linear Dynamical Systems for Robust Discovery of Latent Neural Dynamics [5.841659874892801]
時間変化線形状態空間モデルは、ニューラルネットワークの数学的解釈可能な表現を得るための強力なツールである。潜在変数推定のための既存の手法は、動的ノイズやシステムの非線形性に対して堅牢ではない。本稿では,動的雑音に対するロバスト性を改善するために,分解モデルにおける潜在変数推定に対する確率的アプローチを提案する。
論文参考訳（メタデータ） (2024-08-29T18:58:39Z)
Training Dynamics of Nonlinear Contrastive Learning Model in the High Dimensional Limit [1.7597525104451157]
モデル重みの実験的分布は、マッキーン・ブラソフ非線形偏微分方程式(PDE)によって支配される決定論的尺度に収束する L2正則化の下で、このPDEは低次元常微分方程式(ODE)の閉集合に還元する。 ODEの固定点位置とその安定性を解析し,いくつかの興味深い結果を示した。
論文参考訳（メタデータ） (2024-06-11T03:07:41Z)
A Solvable Model of Neural Scaling Laws [72.8349503901712]
大量のパラメータを持つ大規模な言語モデルは、インターネットに近い数のトークンで訓練されると、ニューラルネットワークのスケーリング法則に従うことが実証的に示されている。我々は,このニューラルスケーリング現象を捉える統計モデル(共同生成データモデルとランダム特徴モデル)を提案する。主な発見は、自然データセットの統計に現れる電力法則が非線形ランダムな特徴写像によって拡張される方法である。
論文参考訳（メタデータ） (2022-10-30T15:13:18Z)
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)
Time varying regression with hidden linear dynamics [74.9914602730208]
線形力学系に従って未知のパラメータが進化することを前提とした時間変化線形回帰モデルを再検討する。反対に、基礎となる力学が安定である場合、このモデルのパラメータは2つの通常の最小二乗推定と組み合わせることで、データから推定できることが示される。
論文参考訳（メタデータ） (2021-12-29T23:37:06Z)
Physics-informed regularization and structure preservation for learning stable reduced models from data with operator inference [0.0]
演算子推論は、高次元物理系の軌道から非線形項を持つ低次元力学系モデルを学習する。 2次モデルに対する安定性バイアスを誘導する演算子推論のための正則化器を提案する。構造を保存するためのモデル制約を強制する演算子推論の定式化を提案する。
論文参考訳（メタデータ） (2021-07-06T13:15:54Z)
Hessian Eigenspectra of More Realistic Nonlinear Models [73.31363313577941]
私たちは、非線形モデルの広いファミリーのためのヘッセン固有スペクトルの言語的特徴付けを行います。我々の分析は、より複雑な機械学習モデルで観察される多くの顕著な特徴の起源を特定するために一歩前進する。
論文参考訳（メタデータ） (2021-03-02T06:59:52Z)
Coarse-Grained Nonlinear System Identification [0.0]
本稿では,ボルテラ級数展開に基づく非線形系力学の効率的で普遍的なパラメータ化である粗粒度ダイナミクスを紹介する。簡単な合成問題に対して,本手法の特性を実証する。また, 実験データの1秒未満で, タングステンフィラメントのダイナミックスに対して, 非線形電圧の正確なモデルを特定することを実証した。
論文参考訳（メタデータ） (2020-10-14T06:45:51Z)
Sparse Identification of Nonlinear Dynamical Systems via Reweighted $\ell_1$-regularized Least Squares [62.997667081978825]
本研究は, 非線形系の制御方程式をノイズ状態測定から復元するための繰り返しスパース規則化回帰法を提案する。本研究の目的は、状態測定ノイズの存在下での手法の精度とロバスト性を改善することである。
論文参考訳（メタデータ） (2020-05-27T08:30:15Z)
Operator inference for non-intrusive model reduction of systems with non-polynomial nonlinear terms [6.806310449963198]
本研究では,非ポリノミカル非線形項が空間的局所的な力学系の低次元モデルを学習するための非侵襲的モデル還元法を提案する。提案手法では,非ポリノミカル項を解析形式でのみ必要とし,ブラックボックスフルモデルソルバを用いて計算したスナップショットから残りのダイナミクスを学習する。提案手法は, 偏微分方程式, 拡散反応シャフィー・インファンテモデル, 反応流の管状反応器モデル, 化学分離過程を記述したバッチクロマトグラフィーモデルによって制御される3つの問題について実証した。
論文参考訳（メタデータ） (2020-02-22T16:27:05Z)

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。