APPLADE:スパース最適化とDNNを組み合わせた調整可能プラグアンドプレイオーディオデグリッパ【JST・京大機械翻訳】

Tanaka Tomoro; Yatabe Kohei; Yasuda Masahiro; Oikawa Yasuhiro

プレプリント

J-GLOBAL ID：202202213474691592 整理番号：22P0290640

APPLADE:スパース最適化とDNNを組み合わせた調整可能プラグアンドプレイオーディオデグリッパ【JST・京大機械翻訳】

APPLADE: Adjustable Plug-and-play Audio Declipper Combining DNN with Sparse Optimization

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 (4件)： , , ,
資料名：
発行年： 2022年02月16日プレプリントサーバーでの情報更新日： 2022年02月16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)

本論文では,スパース最適化と深層学習の両方を利用するオーディオデリッピング法を提案した。制約付き最適化でスパース性ベースのオーディオデリッピング法が開発されているので,それらは調整可能で,理論的によく研究されている。しかし,それらは常にスパース性を促進し,信号の個々の特性を無視する。深層ニューラルネットワーク(DNN)ベースの方法は,ターゲット信号の特性を学ぶことができて,それらをオーディオデリッピングのために使用する。それでも,訓練データが,時間領域におけるミスマッチおよび/または制約を課せないならば,それらはうまく実行できない。提案手法では,最適化アルゴリズムにDNNを用いた。それは,プラグアンドプレイ(PnP)と呼ばれるアイデアによって触発され,時間領域における制約を考慮して,データの学習された情報に基づくスパース性を促進することを可能にする。著者らの実験は,提案方法が訓練と試験データの間の不整合に対して安定でロバストであることを確認した。【JST・京大機械翻訳】

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

人工知能 , 信号理論 , 音響信号処理

前のページに戻る