論文の概要: PRIME-ANC: Path-Ratio-Informed Modeling for Efficient Neural Filter Synthesis in Active Noise Control
- arxiv url: http://arxiv.org/abs/2609.31772v1
- Date: Thu, 24 Sep 2026 15:25:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 12:56:00.848173
- Title: PRIME-ANC: Path-Ratio-Informed Modeling for Efficient Neural Filter Synthesis in Active Noise Control
- Title（参考訳）: PRIME-ANC:能動騒音制御における高効率ニューラルネットワーク合成のためのパス比インフォームドモデリング
- Abstract要約: リスナー音響の変化は、アクティブノイズ制御フィルタを新しい音響経路のために再設計する必要がある。
正規化パス比ベースに境界付きパス依存ログ補正を学習する共有ニューラルマグニチュードであるPRIME-ANCを導入する。
データセット毎のランダムなトレーニング/テストの10回にわたって、PRIME-ANCの平均3分の1の減算は18.81と17.76dBで50Hz-5kHzである。
- 参考スコア（独自算出の注目度）: 4.122661007055743
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Changes in listener acoustics require active noise control (ANC) filters to be redesigned for new acoustic paths. We introduce PRIME-ANC, a shared neural synthesizer that learns a bounded, path-dependent logmagnitude correction to a regularized path-ratio base. Minimum-phase reconstruction and truncation produce finite-impulse-response (FIR) filters; training optimizes their noise-control performance. Across ten random training/test splits per dataset, PRIME-ANC achieves average held-out one-third-octave reductions of 18.81 and 17.76 dB over 50 Hz-5 kHz on a ten-path dataset and a public earphone database, respectively. On original earphone measurements, it improves upon the path-ratio base by 7.89 dB. Ablation studies support the contributions of both the analytic base and the path-dependent correction. Given calibrated paths for a held-out listener condition, PRIME-ANC generates a path-specific FIR without iterative optimization. With three Gauss-Newton updates, it reaches 21.43 dB reduction, approaching direct weighted least-squares design while producing lower amplification and root-mean-square control output.
- Abstract（参考訳）: リスナー音響の変化は、アクティブノイズコントロール(ANC)フィルタを新しい音響経路のために再設計する必要がある。
本稿では,正規化パス比ベースに境界付き経路依存対数次数補正を学習する共有ニューラルシンセサイザーPRIME-ANCを紹介する。
最小位相再構成とトランケーションは有限インパルス応答(FIR)フィルタを生成し、トレーニングはノイズ制御性能を最適化する。
PRIME-ANCはデータセット毎の10のランダムなトレーニング/テストスプリットで、18.81と17.76dBの3分の1の削減を10パスデータセットと公開イヤホンデータベース上でそれぞれ50Hz-5kHzで達成している。
元のイヤホンの測定では、パス比ベースを7.89dB改善している。
アブレーション研究は、解析基盤と経路依存補正の両方の貢献を支持する。
保持状態のリスナー条件に対して校正パスが与えられた場合、PRIME-ANCは反復最適化なしで経路固有のFIRを生成する。
3つのガウス・ニュートンの更新で21.43dBの削減に達し、低増幅とルート平均二乗制御出力を出力しながら直接重み付けされた最小二乗設計に近づいた。
関連論文リスト
- A Particle-Swarm-Assisted Gradient Meta-Learning Algorithm for Joint Transmit Precoding and STAR-RIS Coefficient Optimization [2.567067472745855]
本稿では,送信プリコーダの共振干渉と同時に送信・反射する予約状態の伝送/反射係数について検討する。
マルチ品質な勾配支援メタラーニングシステムを提案する。
論文 参考訳（メタデータ） (2026-09-24T07:27:32Z) - Beyond Random Couplings: Contrastive Noise Alignment in Generative Flows [0.0]
雑音表現を直接最適化することにより動的でコントラッシブな結合を生成する訓練時間法であるContrastive Noise Alignment (CNA)を導入する。
理論的には、これはガウス構造を平衡的に保存し、推論中のトラクタビリティを維持することを示す。
数ステップでピクセル空間生成(2-4 NFE)を行う場合、CNAは標準的な修正フローに比べてFIDを50%以上削減する。
論文 参考訳（メタデータ） (2026-09-16T11:21:31Z) - Equilibrium Forcing: Adaptive Video Generation Without Noise Conditioning [85.93126001283169]
ノイズレベル条件のない生成モデルを映像化するためのフレームワークであるEquilibrium Forcing (EqF)を紹介する。
この柔軟性により、サンプルからのフィードバックに適応してクローズドループで動作する推論時アルゴリズムが実現される。
論文 参考訳（メタデータ） (2026-08-11T00:02:32Z) - How Much Capacity Does EEG Denoising Need? Ultra-Compact Networks reveal Benchmark Saturation and Metric-Utility Gap [0.0]
深層学習EEG(Deep Learning EEG Denoising Architectures)は、数万から数千万のパラメータに拡張されているが、実験変数としてモデルキャパシティを分離した以前の研究はない。
アーキテクチャ,損失,データ分割,トレーニングレシピの両ギャップに対処し,最小限の深さ分離可能な畳み込みU-Netで1.05Kから40.26Kパラメータまでのチャネル幅を網羅する。
論文 参考訳（メタデータ） (2026-06-07T12:17:25Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - Offline Preference Optimization for Rectified Flow with Noise-Tracked Pairs [17.05976471653904]
本稿では,修正フローに特化した非政治アライメントフレームワークであるプライオリティノイズ・アウェア・プライオリティ・オプティマイズ(PNAPO)を提案する。
PNAPOは、各勝者/ロザ画像を生成するために使用するペア前のノイズを保持することにより、嗜好データを強化する。
最先端のRF T2Iバックボーンの実験では、PNAPOはトレーニング計算を大幅に削減しながら、常に嗜好の指標を改善している。
論文 参考訳（メタデータ） (2026-05-10T09:13:40Z) - Unearthing Gems from Stones: Policy Optimization with Negative Sample Augmentation for LLM Reasoning [41.83677588934301]
負のサンプル拡張(BCPG-NSA)による行動制約付きポリシーのグラディエントを提案する。
BCPG-NSA は,1) サンプルセグメンテーション,2) LLM と PRM を併用した合意に基づくステップ正当性評価,3) 正のステップを負のサンプル内で効果的にマイニングするNSA とのポリシー最適化の3段階を含む,詳細なオフラインフレームワークである。
実験の結果、BCPG-NSAは、同じトレーニングデータセットを使用して、いくつかの挑戦的な数学/コーディング推論ベンチマークのベースラインよりも優れていた。
論文 参考訳（メタデータ） (2025-05-20T14:16:49Z) - Sparse is Enough in Fine-tuning Pre-trained Large Language Models [98.46493578509039]
我々はSparse Increment Fine-Tuning (SIFT) という勾配に基づくスパース微調整アルゴリズムを提案する。
GLUE Benchmark や Instruction-tuning などのタスクで有効性を検証する。
論文 参考訳（メタデータ） (2023-12-19T06:06:30Z) - Latent Class-Conditional Noise Model [54.56899309997246]
本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。
次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。
提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
論文 参考訳（メタデータ） (2023-02-19T15:24:37Z) - Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
ガウス過程回帰に基づく適応型低域通過フィルタを提案する。
本研究では,提案手法の誤差が一様境界であることを示す。
論文 参考訳（メタデータ） (2021-11-05T17:06:59Z)
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。