講演抄録/キーワード |
講演名 |
2020-01-24 13:25
ニューラルネットワークを用いたスパースフィルタの設計 ○井谷太郎・中本昌由(広島大)・相川直幸(東京理科大) IT2019-75 SIP2019-88 RCS2019-305 |
抄録 |
(和) |
スパースフィルタとは,0係数を含むディジタルフィルタである.フィルタ次数を冗長にしてスパースフィルタを設計することにより,同一乗算器数の低次数非スパースフィルタよりも高性能なフィルタが設計できる.スパースフィルタの設計では,どの係数を0係数に選択するかという組み合わせ最適化問題と見なすことができる.この問題を解くためには,膨大な計算時間が必要となる.よって,本研究では,予め設計したスパースフィルタを学習データとしたニューラルネットワークに基づくスパースフィルタの設計法を提案する.本設計法により,学習データの数が増えれば設計されるスパースフィルタの性能の向上が見られることを確認する. |
(英) |
A sparse filter is a digital filter that contains zero coefficients. By designing a sparse filter with a redundant filter order, a higher-performance filter can be designed than a low-order nonsparse filter with the same number of multipliers. In the design of sparse filters, it can be regarded as a combinatorial optimization problem of selecting which coefficient is 0. In order to solve this problem, a huge amount of calculation time is required. Therefore, this study proposes a sparse filter design method based on a neural network using sparse filters designed in advance as learning data. It is confirmed that the performance of the designed sparse filter can be improved by increasing the number of training data by this design method. |
キーワード |
(和) |
ディジタルフィルタ / スパース性 / ニューラルネットワーク / / / / / |
(英) |
disital filters / sparsity / neural network / / / / / |
文献情報 |
信学技報, vol. 119, no. 377, SIP2019-88, pp. 227-232, 2020年1月. |
資料番号 |
SIP2019-88 |
発行日 |
2020-01-16 (IT, SIP, RCS) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IT2019-75 SIP2019-88 RCS2019-305 |
研究会情報 |
研究会 |
IT SIP RCS |
開催期間 |
2020-01-23 - 2020-01-24 |
開催地(和) |
広島市青少年センター |
開催地(英) |
Hiroshima City Youth Center |
テーマ(和) |
無線通信のための信号処理,学習,数理,情報理論および一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
SIP |
会議コード |
2020-01-IT-SIP-RCS |
本文の言語 |
日本語 |
タイトル(和) |
ニューラルネットワークを用いたスパースフィルタの設計 |
サブタイトル(和) |
|
タイトル(英) |
Design of sparse filters using a neural network |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ディジタルフィルタ / disital filters |
キーワード(2)(和/英) |
スパース性 / sparsity |
キーワード(3)(和/英) |
ニューラルネットワーク / neural network |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
井谷 太郎 / Taro Itani / イタニ タロウ |
第1著者 所属(和/英) |
広島大学 (略称: 広島大)
Hiroshima University (略称: Hiroshima Univ.) |
第2著者 氏名(和/英/ヨミ) |
中本 昌由 / Masayoshi Nakamoto / ナカモト マサヨシ |
第2著者 所属(和/英) |
広島大学 (略称: 広島大)
Hiroshima University (略称: Hiroshima Univ.) |
第3著者 氏名(和/英/ヨミ) |
相川 直幸 / Naoyuki Aikawa / アイカワ ナオユキ |
第3著者 所属(和/英) |
東京理科大学 (略称: 東京理科大)
Tokyo university of science (略称: Tokyo univ. of science) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2020-01-24 13:25:00 |
発表時間 |
25分 |
申込先研究会 |
SIP |
資料番号 |
IT2019-75, SIP2019-88, RCS2019-305 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.376(IT), no.377(SIP), no.378(RCS) |
ページ範囲 |
pp.227-232 |
ページ数 |
6 |
発行日 |
2020-01-16 (IT, SIP, RCS) |