| 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 | 2022-05-13 16:50 深層ニューラルネットワークに基づくパーミュテーション解決法の基礎的検討 ○蓮池郁也・渡辺瑠伊・北村大地（香川高専）  EA2022-13 |
|
| 抄録 | （和） | 本稿では，優決定条件ブラインド音源分離手法である周波数領域独立成分分析（FDICA）において生じるパーミュテーション問題について取り扱う． FDICAは，周波数毎に独立成分分析を適用することで音源成分の分離を行うが，パーミュテーション問題と呼ばれる周波数毎の分離信号成分の並び替え問題が生じる． そのため，ポスト処理としてパーミュテーション解決法の適用が必要となる． 本稿では，深層ニューラルネットワークに基づく新しいパーミュテーション解決法を提案する． 提案手法では，DNNは周波数毎の分離信号成分を並び替えるパーミュテーション行列を予測する． また，基礎的な実験として，パーミュテーション問題をDNNで解くことの妥当性について調査する． |
| （英） | This paper focuses on a permutation problem associated with frequency-domain independent component analysis (FDICA) that is a technique for (over-)determined blind audio source separation. In FDICA, independent component analysis is applied to each of frequencies, and FDICA encounters the so-called permutation problem, which is a frequency-wise reordering problem of separated source components. Thus, FDICA requires a permutation solver as post processing to obtain the separated source signals. In this paper, we propose a new permutation solver based on a deep neural network (DNN), where DNN predicts a frequency-wise permutation matrix that aligns the order of estimated source components. The validity of using DNN for solving the permutation problem is investigated via basic experiments. |
|
| キーワード | （和） | 独立成分分析 / パーミュテーション問題 / 深層ニューラルネットワーク / ブラインド音源分離 / / / / |
| （英） | independent component analysis / permutation problem / deep neural network / blind audio source separation / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 20, EA2022-13, pp. 62-67, 2022年5月. | |
| 資料番号 | EA2022-13 | |
| 発行日 | 2022-05-06 (EA) | |
| 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 | EA2022-13 |
|
| 研究会情報 | |
| 研究会 | EA |
| 開催期間 | 2022-05-13 - 2022-05-13 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ＜オーガナイズドセッション＞応用／電気音響，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 | 2022-05-EA |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層ニューラルネットワークに基づくパーミュテーション解決法の基礎的検討 |
| サブタイトル（和） | |
| タイトル（英） | Basic study for permutation solver based on deep neural networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 独立成分分析 / independent component analysis |
| キーワード(2)（和/英） | パーミュテーション問題 / permutation problem |
| キーワード(3)（和/英） | 深層ニューラルネットワーク / deep neural network |
| キーワード(4)（和/英） | ブラインド音源分離 / blind audio source separation |
| 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） | 蓮池 郁也 / Fumiya Hasuike / ハスイケ フミヤ |
| 第1著者 所属（和/英） | 香川高等専門学校 (略称： 香川高専) National Institute of Technology, Kagawa College (略称： NIT, Kagawa) |
| 第2著者 氏名（和/英/ヨミ） | 渡辺 瑠伊 / Rui Watanabe / ワタナベ ルイ |
| 第2著者 所属（和/英） | 香川高等専門学校 (略称： 香川高専) National Institute of Technology, Kagawa College (略称： NIT, Kagawa) |
| 第3著者 氏名（和/英/ヨミ） | 北村 大地 / Daichi Kitamura / キタムラ ダイチ |
| 第3著者 所属（和/英） | 香川高等専門学校 (略称： 香川高専) National Institute of Technology, Kagawa College (略称： NIT, Kagawa) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-05-13 16:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EA |
| 資料番号 | EA2022-13 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.20 |
| ページ範囲 | pp.62-67 |
| ページ数 | 6 |
| 発行日 | 2022-05-06 (EA) |
[研究会発表申込システムのトップページに戻る]