畳込みニューラルネットワークによるギター効果認識とパラメータ推定【JST・京大機械翻訳】

Comunita Marco; Stowell Dan; Reiss Joshua D.

プレプリント

J-GLOBAL ID：202202211356166405 整理番号：21P0066101

畳込みニューラルネットワークによるギター効果認識とパラメータ推定【JST・京大機械翻訳】

Guitar Effects Recognition and Parameter Estimation with Convolutional Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年12月06日プレプリントサーバーでの情報更新日： 2020年12月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ギター効果の人気にもかかわらず,特定のプラグインの分類とパラメータ推定に関する既存の研究はほとんどない。本論文では,畳み込みニューラルネットワークを,13のオーバードライブ,歪み,およびファジィギター効果の分類とパラメータ推定のために使用した。処理試料の約250時間に対して,モノフォニックまたはポリフォニック試料および離散または連続設定値から成る4つのサブデータセットを用いて,加工電気ギター試料の新しいデータセットを組み立てた。結果を,同じまたは異なるサブデータセットで訓練し,試験したネットワークに対して比較した。著者らは,離散データセットが,連続的ものと同様に,等しく高い性能に導くことができ,一方,設計,解析,および修正が容易であることを発見した。分類精度は80%以上で,混乱行列は効果刺激と回路設計における類似性を反映した。0.0と1.0の間のパラメータ値によって,平均絶対誤差は,ほとんどの場合0.05未満であり,一方,二乗平均平方根誤差は,すべての場合で0.1以下であった。【JST・京大機械翻訳】

, , , ,
, , , , , , , 【Automatic Indexing@JST】

楽器音響 , オーディオ機器

, ,

前のページに戻る