文献

J-GLOBAL ID：201902284345906875   整理番号：19A0496329

適応フロントエンドによるエンドツーエンドソース分離【JST・京大機械翻訳】

End-To-End Source Separation With Adaptive Front-Ends

著者 (3件)： Venkataramani Shrikant (University of Illinois at Urbana Champaign) ,  Casebeer Jonah (University of Illinois at Urbana Champaign) ,  Smaragdis Paris (University of Illinois at Urbana Champaign Adobe Research)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ACSSC  ページ： 684-688  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： ソース分離と他のオーディオアプリケーションは,従来,フロントエンド周波数領域表現ステップとして短時間Fourier変換の使用に頼ってきた。フォワードおよび逆変換に等価なニューラルネットワークの非アベイラビリティは,これらの応用のためのエンドツーエンド学習システムの実装を妨げる。著者らは,短時間フロントエンド変換と等価として作用できる自動エンコーダニューラルネットワークを開発した。著者らは,信号の生波形から直接的に最適な実数値基底関数を学習するネットワークの能力を実証し,さらに,それが教師つきソース分離のための適応可能なフロントエンドとしてどのように使用できるかを示した。分離性能に関して,これらの変換はそれらのFourier対応物より著しく優れている。最後に,エンドツーエンドソース分離のための歪比ベースのコスト関数に対する新しいソースを提案し解釈した。Copyright 2019 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： *エンドツーエンド方式 ,  応用プログラム ,  ネットワーク ,  符号器 ,  オーディオ機器 ,  ニューラルネットワーク ,  周波数領域 ,  実数 ,  費用関数 ,  基底関数 ,  逆変換 ,  分離性能
準シソーラス用語： 学習支援システム ,  STFT【変換】 , 【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 (2件)： 適応 ,  フロントエンド