| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-11-20 13:30 ［ポスター講演］歪み回路の機械学習ベースモデリングにおける受容野に関する一考察 ○松永悠斗・青木直史・土橋宜典（北大）・小嶋徹也（東京高専）  EA2020-33 EMM2020-48 |
|
| 抄録 | （和） | 歪み回路は、現代の音楽で広く用いられている音響機器の一つであり、多くのアーティストからの人気を集めている。 近年、計算機性の向上や、機械学習技術の発展により、音響機器の動作を機械学習によって再現するアプローチが注目されている。 歪み回路の機械学習においては、再起型ニューラルネットワークや畳み込みニューラルネットワークを基にした手法が注目されており、本稿での提案手法は再起型ニューラルネットワーク(RNN)によるものである。 これまでのRNNのによる手法では、ネットワークの初期状態が最適に設定されていなかったため、序盤の出力の精度が悪くなる傾向にあった。 この問題に対して我々は、これまでにプリプロセス的に初期状態を更新しておくことで精度を高める手法を提案しているが、他の従来手法のようにネットワーク規模が小さなものに対しても効果的であるかの検証がされていなかった。 本稿では、従来手法と同じネットワーク構造で学習精度の比較検証を行うことで、定量的な比較を行う。 検証の結果、提案手法は従来手法と比較して、学習の最終的な損失関数を7割以上削減したため、提案手法によって精度が向上したと言える。 そのため、提案手法はネットワーク規模が小さなものに対しても効果的であることが判明した。 |
| （英） | Distortion circuits are one of the acoustic devices for modern musics. These devices are popular with many artists. In recent years, improvements in computer performance and machine learning techniques have been developed. Therefore, machine learning approaches are actively researched. In machine learning for distortion circuits, major network models are recurrent neural networks and convolution neural networks. Our proposed technique is based on recurrent neural networks. In the previous recurrent neural networks approach, the initial state was not set optimal state. Therefore, the early output tended to be less accurate. We have proposed the technique to improve the accuracy by updating the initial state pre-process. However, we have not tested the effect for small network like other conventional technique. we compare training accuracy with the network structure of conventional technique. The experiment results show that the proposed technique reduces the final loss function of the training by more than 70%. Therefore, the proposed technique is more accurate than the conventional technique. Therefore, the proposed technique is effective even for small networks. |
|
| キーワード | （和） | 歪み回路 / VAモデリング / 機械学習 / LSTM / / / / |
| （英） | Distortion Circuits / VA Modeling / Machine Learning / LSTM / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 241, EA2020-33, pp. 62-67, 2020年11月. | |
| 資料番号 | EA2020-33 | |
| 発行日 | 2020-11-13 (EA, EMM) | |
| ISSN | 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 | EA2020-33 EMM2020-48 |
|
| 研究会情報 | |
| 研究会 | EA ASJ-H EMM |
| 開催期間 | 2020-11-20 - 2020-11-20 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ＜ビギナーズセッション＞応用／電気音響，コンテンツ処理，情報ハイディング，聴覚，一般 |
| テーマ（英） | [Beginners Session] Engineering/Electro Acoustics, Content Processing, Digital Watermarking, Psychological and Physiological Acoustics, and Related Topics |
| 講演論文情報の詳細 | |
| 申込み研究会 | EA |
| 会議コード | 2020-11-EA-H-EMM |
| 本文の言語 | 日本語 |
| タイトル（和） | 歪み回路の機械学習ベースモデリングにおける受容野に関する一考察 |
| サブタイトル（和） | |
| タイトル（英） | A Study on the Receptive Field in Modeling of Distortion Circuits based on Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 歪み回路 / Distortion Circuits |
| キーワード(2)（和/英） | VAモデリング / VA Modeling |
| キーワード(3)（和/英） | 機械学習 / Machine Learning |
| キーワード(4)（和/英） | LSTM / LSTM |
| 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） | 松永 悠斗 / Yuto Matsunaga / マツナガ ユウト |
| 第1著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 青木 直史 / Naofumi Aoki / アオキ ナオフミ |
| 第2著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 土橋 宜典 / Yoshinori Dobashi / ドバシ ヨシノリ |
| 第3著者 所属（和/英） | 北海道大学 (略称： 北大) Hokkaido University (略称： Hokkaido Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 小嶋 徹也 / Tetsuya kojima / コジマ テツヤ |
| 第4著者 所属（和/英） | 東京工業高等専門学校 (略称： 東京高専) National Institute of Technology ,Tokyo College (略称： NIT, Tokyo College) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-11-20 13:30:00 |
| 発表時間 | 120分 |
| 申込先研究会 | EA |
| 資料番号 | EA2020-33, EMM2020-48 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.241(EA), no.242(EMM) |
| ページ範囲 | pp.62-67 |
| ページ数 | 6 |
| 発行日 | 2020-11-13 (EA, EMM) |
[研究会発表申込システムのトップページに戻る]