| 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 | 2025-01-29 13:40 低速特徴を用いたレザバーコンピューティングによる長周期リズムの学習と生成 ○河合祐司（阪大）・藤井進也（慶大）・浅田 稔（IPUT/阪大/NICT/中部大）  NC2024-54 |
|
| 抄録 | （和） | レザバーコンピューティング (reservoir computing: RC) は，音楽などの時系列を含む多様な時系列データの学習と生成に用いられているが，長周期リズムの学習には限界があることが知られている．本研究では，低速特徴分析 (slow feature analysis: SFA) を用いて時系列データから抽出される低速な特徴が，長周期リズムを反映することを示し，その低速特徴をRCの入力として利用することで，長周期リズムの生成を可能にする手法を提案する．人工的に生成された単純な長周期リズムを含む時系列データの生成課題において，従来手法と比較して，提案手法が生成した時系列は長周期リズムを捉え，高い再現性を示すことが確認された．さらに，人間によるドラム演奏を用いた生成課題においても，提案手法は生成された時系列データの長周期性を向上させることができた． |
| （英） | Reservoir computing (RC) has been utilized for learning and generating diverse time-series data, including musical sequences. However, it has limitations in learning long-period rhythms. In this study, we demonstrate that slow features extracted from time-series data using slow feature analysis (SFA) reflect the characteristics of long-period rhythms. Based on this finding, we propose a novel method that enables the learning and generation of long-period rhythms by incorporating these slow features as inputs to RC. The proposed method was validated through generation tasks involving artificially created time-series data containing simple long-period rhythms. Compared to conventional RC, the time series generated by the proposed method captured the long-period rhythms and exhibited high reproducibility. Furthermore, in generation tasks using human drumming performances, the proposed method improved the long-period characteristics of the generated time-series data. | |
| キーワード | （和） | レザバーコンピューティング / リカレントニューラルネットワーク / 低速特徴分析 / 振動子 / 長周期リズム / / / |
| （英） | reservoir computing / recurrent neural networks / slow feature analysis / oscillators / long-period rhythms / / / | |
| 文献情報 | 信学技報, vol. 124, no. 363, NC2024-54, pp. 72-73, 2025年1月. | |
| 資料番号 | NC2024-54 | |
| 発行日 | 2025-01-21 (NC) | |
| 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 | NC2024-54 |
|
| 研究会情報 | |
| 研究会 | NC NLP |
| 開催期間 | 2025-01-28 - 2025-01-29 |
| 開催地（和） | 大阪大学 |
| 開催地（英） | |
| テーマ（和） | NC, NLP, 一般 |
| テーマ（英） | NC, NLP, General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2025-01-NC-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 低速特徴を用いたレザバーコンピューティングによる長周期リズムの学習と生成 |
| サブタイトル（和） | |
| タイトル（英） | Learning and generation of long-period rhythms using reservoir computing with slow features |
| サブタイトル（英） | |
| キーワード(1)（和/英） | レザバーコンピューティング / reservoir computing |
| キーワード(2)（和/英） | リカレントニューラルネットワーク / recurrent neural networks |
| キーワード(3)（和/英） | 低速特徴分析 / slow feature analysis |
| キーワード(4)（和/英） | 振動子 / oscillators |
| キーワード(5)（和/英） | 長周期リズム / long-period rhythms |
| 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） | 河合 祐司 / Yuji Kawai / カワイ ユウジ |
| 第1著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 藤井 進也 / Shinya Fujii / フジイ シンヤ |
| 第2著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 浅田 稔 / Minoru Asada / アサダ ミノル |
| 第3著者 所属（和/英） | 大阪国際工科専門職大学/大阪大学/情報通信研究機構/中部大学 (略称： IPUT/阪大/NICT/中部大) IPUT/Osaka University/NICT/Chubu University (略称： IPUT/Osaka Univ./NICT/Chubu Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-01-29 13:40:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2024-54 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.363 |
| ページ範囲 | pp.72-73 |
| ページ数 | 2 |
| 発行日 | 2025-01-21 (NC) |
[研究会発表申込システムのトップページに戻る]