文献

J-GLOBAL ID：201702258748553641   整理番号：17A0743520

算数&ラズパイから始める人気AIディープ・ラーニング 第3部 3大アルゴリズム体感!ディープ・ラーニング実験室 第5章 学習データが不要の便利なアルゴリズムを体験 音 音声向きAE...自動で精度UPするノイズ・フィルタ

著者 (2件)： 牧野浩二 ,  西崎博光
資料名： インターフェース  (Interface)
巻： 43  号： 8  ページ： 119-124  発行年： 2017年08月01日 
JST資料番号： L0339A  ISSN： 0387-9569  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ディープ・ラーニングでは教師データの作成作業に手間がかかるが,入力と出力が同じになるように特徴を自動的に学習するオート・エンコーダ(AE)ではそれが必要ない。本論文では,AEを用いて意図的に加えたノイズをきれいな音声に戻すディノイジングAEを実験した。まず,16kHz,16ビットでのサンプリング,リトル・エンディアン・モノラルの音声データを用意し,FFT(Fast Fourier Transform)した実部/虚部を取り出して並べた514点の学習データを作成した。次に,作成したノイズ除去のための学習プログラムを示した。AEが8層からなり,入力層の次元数は514,中間層の次元数はすべて512で1~7層目の全結線ニューラル・ネットワークの結果には平均が0,分散が1に近づくようなバッチ正規化処理を施し,8層目の出力の次元数は514で誤差の計算を行うことを説明した。AEを学習したところ出力と学習データの誤差は学習が進むに連れて小さくなり,学習済みAEのモデルを使ってノイズを除去した音声の波形は元の音声の形状に近くなっていることが確かめられた。

シソーラス用語： *マイクロコンピュータ ,  *機械学習 ,  *ニューラルネットワーク ,  *音声処理 ,  濾波器 ,  フィルタ ,  雑音 ,  高速Fourier変換 ,  多層構造 ,  雑音除去
準シソーラス用語： FFT【変換】 ,  ディープラーニング ,  ノイズフィルタ ,  *ラズベリーパイ ,  畳込みニューラルネットワーク

分類 (4件)： ディジタル計算機方式一般  (JC02010O) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  音声処理  (JE05000E)

タイトルに関連する用語 (12件)： 算数 ,  AI ,  アルゴリズム ,  体感 ,  実験室 ,  学習データ ,  体験 ,  音 ,  音声 ,  AE ,  Up ,  ノイズ