Fugu-MT 論文翻訳(概要): Parametric Neural Amp Modeling with Active Learning

論文の概要: Parametric Neural Amp Modeling with Active Learning

arxiv url: http://arxiv.org/abs/2507.02109v1
Date: Wed, 02 Jul 2025 19:47:23 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-04 15:37:15.101203
Title: Parametric Neural Amp Modeling with Active Learning
Title（参考訳）: 能動学習を用いたパラメトリックニューラルアンプモデリング
Authors: Florian Grötschla, Luca A. Lanzendörfer, Longxiang Jiao, Roger Wattenhofer,
Abstract要約: 本稿では、WaveNetのようなアーキテクチャを用いて、エンドツーエンドのパラメトリックギターアンプモデルのトレーニングを行うためのアクティブラーニングフレームワークであるPANAMAを紹介する。本研究では, 勾配に基づく最適化アルゴリズムを用いて, サンプルの最適なデータポイントを決定することができることを示す。
参考スコア（独自算出の注目度）: 18.95453617434051
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce PANAMA, an active learning framework for the training of end-to-end parametric guitar amp models using a WaveNet-like architecture. With \model, one can create a virtual amp by recording samples that are determined by an active learning strategy to use a minimum amount of datapoints (i.e., amp knob settings). We show that gradient-based optimization algorithms can be used to determine the optimal datapoints to sample, and that the approach helps under a constrained number of samples.
Abstract（参考訳）: 本稿では、WaveNetのようなアーキテクチャを用いて、エンドツーエンドのパラメトリックギターアンプモデルのトレーニングを行うためのアクティブラーニングフレームワークであるPANAMAを紹介する。 \modelでは、最小限のデータポイント(amp knob設定)を使用するアクティブな学習戦略によって決定されるサンプルを記録することで、仮想アンプを作成することができる。本研究では, 勾配に基づく最適化アルゴリズムを用いて, サンプルの最適なデータポイントを決定することができることを示す。

関連論文リスト

Episodic fine-tuning prototypical networks for optimization-based few-shot learning: Application to audio classification [13.5196633635749]
Prototypeal Network(ProtoNet)は、Few-shot Learningのシナリオで一般的な選択肢として登場した。 C-way-K-shotテストエピソードのテストエピソードの(ラベル付き)サポートセット上でProtoNetを微調整する手法を提案する。提案したモデルであるMAML-ProtoとMC-Protoは,我々のユニークな微調整手法と組み合わせて,数ショットの音声分類タスクにおいて,通常のProtoNetよりも優れた性能を示す。
論文参考訳（メタデータ） (2024-10-04T12:39:29Z)
Automatic Equalization for Individual Instrument Tracks Using Convolutional Neural Networks [2.5944208050492183]
本稿では,個々の楽器トラックの自動等化のための新しい手法を提案する。本手法は,対象とする理想スペクトルを選択するために,音源記録中に存在する機器を同定することから始める。我々は、従来確立されていた最先端技術に対する改善を実証する、微分可能なパラメトリック等化器マッチングニューラルネットワークを構築した。
論文参考訳（メタデータ） (2024-07-23T17:55:25Z)
Tuning Legged Locomotion Controllers via Safe Bayesian Optimization [47.87675010450171]
本稿では,ロボットハードウェアプラットフォームにおけるモデルベースコントローラの展開を効率化するための,データ駆動型戦略を提案する。モデルフリーな安全な学習アルゴリズムを用いて制御ゲインのチューニングを自動化し、制御定式化で使用される単純化されたモデルと実システムとのミスマッチに対処する。
論文参考訳（メタデータ） (2023-06-12T13:10:14Z)
A Gradient-based Approach for Online Robust Deep Neural Network Training with Noisy Labels [27.7867122240632]
本稿では,雑音ラベルのオンライン選択を可能にする新しい手法を提案する。オンライングラディエントベースの選択選択(OGRS)は、パラメータ設定を変更することなく、さまざまなクリーン比を持つデータセットから更新するステップによって、クリーンサンプルを自動的に選択することができる。
論文参考訳（メタデータ） (2023-06-08T08:57:06Z)
Learning Large-scale Neural Fields via Context Pruned Meta-Learning [60.93679437452872]
本稿では,大規模ニューラルネットワーク学習のための最適化に基づくメタラーニング手法を提案する。メタテスト時間における勾配再スケーリングは、非常に高品質なニューラルネットワークの学習を可能にすることを示す。我々のフレームワークは、モデルに依存しない、直感的で、実装が容易であり、幅広い信号に対する大幅な再構成改善を示す。
論文参考訳（メタデータ） (2023-02-01T17:32:16Z)
Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文参考訳（メタデータ） (2022-09-26T17:59:58Z)
Towards Automated Imbalanced Learning with Deep Hierarchical Reinforcement Learning [57.163525407022966]
不均衡学習はデータマイニングにおいて基本的な課題であり、各クラスにトレーニングサンプルの不均等な比率が存在する。オーバーサンプリングは、少数民族のための合成サンプルを生成することによって、不均衡な学習に取り組む効果的な手法である。我々は,異なるレベルの意思決定を共同で最適化できる自動オーバーサンプリングアルゴリズムであるAutoSMOTEを提案する。
論文参考訳（メタデータ） (2022-08-26T04:28:01Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
Oops I Took A Gradient: Scalable Sampling for Discrete Distributions [53.3142984019796]
このアプローチは、多くの困難な設定において、ジェネリックサンプリングよりも優れていることを示す。また,高次元離散データを用いた深部エネルギーモデルトレーニングのための改良型サンプリング器についても実演した。
論文参考訳（メタデータ） (2021-02-08T20:08:50Z)
Deep Learning based Segmentation of Fish in Noisy Forward Looking MBES Images [1.5469452301122177]
セマンティックセグメンテーションのためのディープラーニング(DL)と畳み込みニューラルネットワーク(CNN)の最近の進歩に基づいて構築する。画像ソナーによって投影される全ての射程方位位置に対する魚・魚・魚の確率予測のためのエンドツーエンドのアプローチを実証する。我々は,本モデルが所望のパフォーマンスを証明し,意味的文脈の重要性を活用することを学習したことを示す。
論文参考訳（メタデータ） (2020-06-16T09:57:38Z)
Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
論文参考訳（メタデータ） (2020-05-10T06:11:13Z)

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。