論文の概要: Exploring Definitions of Quality and Diversity in Sonic Measurement Spaces

• arxiv url: http://arxiv.org/abs/2512.02783v1
• Date: Tue, 02 Dec 2025 13:57:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.902849
• Title: Exploring Definitions of Quality and Diversity in Sonic Measurement Spaces
• Title（参考訳）: 音速測定空間における品質と多様性の定義を探る
• Authors: Björn Þór Jónsson, Çağrı Erdem, Stefano Fasciani, Kyrre Glette,
• Abstract要約: デジタル音声合成は、数百万の構成を含む広大なパラメータ空間を探索する機会を提供する。品質多様性(QD)進化的アルゴリズムは、この可能性を活用するための有望なアプローチを提供するが、その成功は適切な音韻的特徴表現に基づく。 本研究では,QD探索中の音素行動空間を自動的に定義・動的に再構成するための教師なし次元性低減手法について検討する。 その結果、手動による介入や教師あり訓練の制約なしに広いパラメータ空間を探索できる自動音韻探索システムに寄与する。
• 参考スコア（独自算出の注目度）: 1.7411855207380258
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital sound synthesis presents the opportunity to explore vast parameter spaces containing millions of configurations. Quality diversity (QD) evolutionary algorithms offer a promising approach to harness this potential, yet their success hinges on appropriate sonic feature representations. Existing QD methods predominantly employ handcrafted descriptors or supervised classifiers, potentially introducing unintended exploration biases and constraining discovery to familiar sonic regions. This work investigates unsupervised dimensionality reduction methods for automatically defining and dynamically reconfiguring sonic behaviour spaces during QD search. We apply Principal Component Analysis (PCA) and autoencoders to project high-dimensional audio features onto structured grids for MAP-Elites, implementing dynamic reconfiguration through model retraining at regular intervals. Comparison across two experimental scenarios shows that automatic approaches achieve significantly greater diversity than handcrafted behaviour spaces while avoiding expert-imposed biases. Dynamic behaviour-space reconfiguration maintains evolutionary pressure and prevents stagnation, with PCA proving most effective among the dimensionality reduction techniques. These results contribute to automated sonic discovery systems capable of exploring vast parameter spaces without manual intervention or supervised training constraints.
• Abstract（参考訳）: デジタル音声合成は、数百万の構成を含む広大なパラメータ空間を探索する機会を提供する。 品質多様性(QD)進化的アルゴリズムは、この可能性を活用するための有望なアプローチを提供するが、その成功は適切な音韻的特徴表現に依存している。 既存のQD手法は主に手作りの記述子や教師付き分類器を用いており、意図しない探索バイアスや、よく知られた音韻領域での発見を制限している可能性がある。 本研究では,QD探索中の音素行動空間を自動的に定義・動的に再構成するための教師なし次元性低減手法について検討する。 本稿では,PCAとオートエンコーダを用いてMAP-Elitesの構造化グリッド上に高次元音声特徴を投影し,一定間隔でモデル再構成を行う。 2つの実験シナリオを比較すると、自動的なアプローチは、専門家が提案するバイアスを避けながら手作りの行動空間よりも大幅に多様性を達成していることがわかる。 動的行動空間再構成は進化的な圧力を保ち、PCAが次元削減技術の中で最も効果的であることを証明し、停滞を防ぐ。 これらの結果は,手動による介入や教師あり訓練の制約なしに広いパラメータ空間を探索できる自動音韻探索システムに寄与する。

関連論文リスト

• Hybrid Perception and Equivariant Diffusion for Robust Multi-Node Rebar Tying [3.949012733192417]
  レバータイリングは、鉄筋コンクリート造の繰り返しではあるが重要な作業であり、通常は手動でかなりのエルゴノミクスリスクで実施される。 ロボット操作の最近の進歩は、タイイングプロセスを自動化する可能性を秘めているが、密集したリバーノードのタイイングポーズを正確に推定する上で、課題に直面している。 本研究では,SE(3)(Diffusion-EDFs)上の等変デノイング拡散と幾何学的認識を統合したハイブリッド認識と運動計画手法を導入し,最小限のトレーニングデータで堅牢なマルチノードリバータイリングを実現する。
  論文  参考訳（メタデータ） (2025-08-26T07:09:27Z)
• Data-Driven Reconstruction and Characterization of Stochastic Dynamics via Dynamical Mode Decomposition [0.0]
  ノイズは古典力学系と量子力学系の性能と予測能力を制限する。 本稿では,動的モード分解(Dynamical Mode Decomposition, DMD)に基づく一般的なデータ駆動型フレームワークを提案する。 この手法は、複雑なシステムの診断、予測、ノイズ緩和分析、制御に広く応用できるツールを提供する。
  論文  参考訳（メタデータ） (2025-07-08T08:59:06Z)
• Quantum Engineering of Qudits with Interpretable Machine Learning [0.0]
  任意の次元のキューディットの制御と雑音評価のための機械学習ベースのグレーボックスフレームワークを提案する。 また、ノイズダイナミクスの解釈可能なモデリングを可能にする局所的な解析拡張も導入する。
  論文  参考訳（メタデータ） (2025-06-16T03:46:23Z)
• Dynamic Search for Inference-Time Alignment in Diffusion Models [87.35944312589424]
  探索問題としての拡散における推論時間アライメントと動的拡散探索(DSearch)を提案する。 DSearchは、デノナイズプロセスからサブサンプルを取得し、中間ノードの報酬を近似する。 また、ビーム幅と木の拡大を動的に調整し、高次世代を効率的に探索する。
  論文  参考訳（メタデータ） (2025-03-03T20:32:05Z)
• An Attention-Based Deep Generative Model for Anomaly Detection in Industrial Control Systems [3.303448701376485]
  異常検出は、産業制御システムの安全かつ信頼性の高い運用に不可欠である。 本稿では,このニーズを満たすための新しい深層生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-03T23:58:27Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Learning to Walk Autonomously via Reset-Free Quality-Diversity [73.08073762433376]
  品質多様性アルゴリズムは、多様かつ高いパフォーマンスのスキルからなる大規模で複雑な行動レパートリーを発見することができる。 既存のQDアルゴリズムは、手動による人間の監督と介入を必要とするエピソードリセットと同様に、多数の評価を必要とする。 本稿では,オープンエンド環境におけるロボットの自律学習に向けたステップとして,リセットフリー品質多様性最適化(RF-QD)を提案する。
  論文  参考訳（メタデータ） (2022-04-07T14:07:51Z)
• Quality-Diversity Meta-Evolution: customising behaviour spaces to a meta-objective [1.0152838128195467]
  品質多様性(QD)アルゴリズムは、振る舞いの多様性と高いパフォーマンスのソリューションを進化させる。 本稿では,QD-Metaにおける機能評価と多脚ロボットの動作評価に関する実証的研究を行う。
  論文  参考訳（メタデータ） (2021-09-08T20:27:24Z)

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。