| 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 | 2022-03-02 13:25 ［ポスター講演］差分近似型Helmholtz方程式に基づく損失関数を用いた深層学習による少数観測点からの音場推定 ○重見和秀・小山翔一・中村友彦・猿渡 洋（東大）  EA2021-85 SIP2021-112 SP2021-70 |
|
| 抄録 | （和） | 少数の観測点による単一周波数音場推定問題に対し，Helmholtz方程式を考慮した損失関数を用いた畳み込みニューラルネットワーク（CNN）ベースの音場推定手法を提案する．CNNに基づく音場推定手法は，事前の測定データを利用することで推定対象の音環境を学習し，より高精度に音場を推定できる．しかし，従来手法ではHelmholtz方程式を満たさない物理的に実現不可能な出力が許容されていた．これに対し，提案法ではHelmholtz方程式の差分近似に基づく損失関数を設計することで，物理的な制約を反映したCNNの学習法を可能にする．数値実験により，提案法は従来法と同程度の音場推定精度を保ちつつ，Helmholtz方程式からの逸脱がより少ない音場を推定できることを確認した． |
| （英） | We propose a single-frequency sound field estimation method from a small number of observations that uses a loss function based on the Helmholtz equation for training a convolutional neural network (CNN).Conventional CNN-based sound field estimation methods can enhance the estimation accuracy by using the measurements of the target sound environment. However, since they treat the sound field as a two-dimensional array, their estimated results may be physically infeasible, i.e., those results do not always satisfy the Helmholtz equation. To overcome this problem, we propose a loss function using the difference approximation of the Helmholtz equation, which enables us to encompass the physical constraint of the sound field in the CNN training. Results of numerical experiments show that the proposed method can estimate the sound fields less deviated from the Helmholtz equation while maintaining the accuracy of the sound field estimation. | |
| キーワード | （和） | 音場推定 / Physics-Informed Neural Networks / Helmholtz 方程式 / 差分近似 / / / / |
| （英） | Sound Field Reconstruction / Physics-Informed Neural Networks / Helmholtz Equation / Finite Difference Approximation / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 383, EA2021-85, pp. 132-139, 2022年3月. | |
| 資料番号 | EA2021-85 | |
| 発行日 | 2022-02-22 (EA, SIP, SP) | |
| 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 | EA2021-85 SIP2021-112 SP2021-70 |
|
| 研究会情報 | |
| 研究会 | EA SIP SP IPSJ-SLP |
| 開催期間 | 2022-03-01 - 2022-03-02 |
| 開催地（和） | 沖縄県立博物館・美術館 |
| 開催地（英） | |
| テーマ（和） | 応用／電気音響, 信号処理，音声，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EA |
| 会議コード | 2022-03-EA-SIP-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 差分近似型Helmholtz方程式に基づく損失関数を用いた深層学習による少数観測点からの音場推定 |
| サブタイトル（和） | |
| タイトル（英） | Sound Field Estimation from Small Number of Observations by Deep Learning with Difference-Approximation-Based Helmholtz-Equation Loss Function |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音場推定 / Sound Field Reconstruction |
| キーワード(2)（和/英） | Physics-Informed Neural Networks / Physics-Informed Neural Networks |
| キーワード(3)（和/英） | Helmholtz 方程式 / Helmholtz Equation |
| キーワード(4)（和/英） | 差分近似 / Finite Difference Approximation |
| 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） | 重見 和秀 / Kazuhide Shigemi / シゲミ カズヒデ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第2著者 氏名（和/英/ヨミ） | 小山 翔一 / Shoichi Koyama / コヤマ ショウイチ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第3著者 氏名（和/英/ヨミ） | 中村 友彦 / TomohikoNakamura / ナカムラ トモヒコ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第4著者 氏名（和/英/ヨミ） | 猿渡 洋 / Hiroshi Saruwatari / サルワタリ ヒロシ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-02 13:25:00 |
| 発表時間 | 120分 |
| 申込先研究会 | EA |
| 資料番号 | EA2021-85, SIP2021-112, SP2021-70 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.383(EA), no.384(SIP), no.385(SP) |
| ページ範囲 | pp.132-139 |
| ページ数 | 8 |
| 発行日 | 2022-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]