文献

J-GLOBAL ID：201802289941172214   整理番号：18A1771296

ソース分離のための動的潜在変数モデル【JST・京大機械翻訳】

A Dynamic Latent Variable Model for Source Separation

著者 (3件)： Kumar Anurendra (Indian Institute of Technology (IIT), Kanpur) ,  Guha Tanaya (Indian Institute of Technology (IIT), Kanpur) ,  Ghosh Prasanta (Indian Institute of Science (IISC), Bangalore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 2871-2875  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 時変非負データに対する潜在的基底を学習するための新しい潜在的可変モデルを提案した。著者らのモデルは,尤度関数として混合多項式を使用し,動的パラメータを事前に用いてDirichlet分布を提案する。これは動的Dirichletを事前に呼ぶ。期待値最大化(EM)アルゴリズムを,提案したモデルのパラメータを推定するために開発した。さらに,提案した動的Dirichlet潜在的変数モデル(動的DLVO)を,2つの一般的な潜在的基底学習法,確率的潜在成分分析(PLCA)および非負行列因数分解(NMF)に接続した。(i)PLCAは動的DLVOの特殊な場合であり,(ii)動的DLVOはNMFの動的バージョンとして解釈できることを示した。提案したモデルの有効性を,話者音源分離と音声雑音分離に関する広範な実験を通して実証した。両方の場合において,著者らの方法は,関連および競合ベースラインより良好に機能した。話者分離のために,動的DLVOは,ソースに対するソースの観点で1.38dBの改善を示し,アーチファクトに対するソースでは1dBの改善を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  多項式 ,  *学習 ,  基底 ,  基準線 ,  アーチファクト ,  尤度関数
準シソーラス用語： EMアルゴリズム ,  音源分離 ,  話者 ,  Dirichlet分布 ,  非負行列因子分解 ,  動的パラメータ ,  *潜在変数 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ソース ,  潜在変数 ,  モデル