ロバスト統計を考慮した深層距離学習と強化学習の統合に基づく異常音検知手法の開発

考虑鲁棒统计的深度远程学习与强化学习相结合的异常声音检测方法的开发

基本信息

  • 批准号：
    21K17771
  • 负责人：
    玉森 聡
  • 金额：
    $ 2.91万
  • 依托单位：
    Aichi Institute of Technology
  • 依托单位国家：
    日本
  • 项目类别：
    Grant-in-Aid for Early-Career Scientists
  • 财政年份：
    2021
  • 资助国家：
    日本
  • 起止时间：
    2021-04-01 至 2025-03-31
  • 项目状态：
    未结题

项目摘要

2022年度はロバスト統計に基づく外れ値検知アルゴリズムの研究開発に取り組んだ。ロバスト多変量解析の分野で登場するdepthと呼ばれる順序統計量に注目し，とくにprojection depthを中心に検討を進めた．projection depthを外れ値検知に用いる場合，サンプルデータ群がクラスタを構成するような場合に検知性能が顕著に低下することを実験的に確認している．そこでサンプルデータセットに対してクラスタリングを事前に施し，各データが所属するクラスタの濃度に基づいて外れ値スコアを重み付けする方法を提案した．研究成果は電子情報通信学会論文誌に採録が決定している．前年度から引き続き，深層距離学習を考慮した異常音検知アルゴリズムの研究開発に取り組んだ。2021年度の研究調査により、異常音に付与された属性（機械種別など）の分類器に基づいて構築する異常音検知モデルの有効性が示されており、本年度はこのモデルを元にして研究を進めた。実験を通じて，AdaCosに基づく距離学習が有効であることを確認した．研究成果の発表の場として、異常音検知の国際コンペティションであるDCASE2022 Challenge task2に参加した．一方，異常音検知精度の向上に有効な特徴量も同時に検討した．多くの異常音検知手法のモデルの入力に用いられる音声特徴量はメルスペクトログラムであるが，音声に含まれる位相変動は失われてしまう．位相変動を考慮するために，複素スペクトログラムを入力可能なすべての特徴量抽出演算において，複素数値の構造を保つ複素数値モジュールと，メルスペクトログラムを入力とする実数値モジュールを組み合わせた複素数値ハイブリッドニューラルネットワークの有効性を検討した．本研究成果は電子情報通信学会応用音響研究会にて発表した．
2022 annual は ロ バ ス ト statistical に base づ く outside れ numerical 検 know ア ル ゴ リ ズ ム の research open 発 に group take り ん だ. ロ バ ス analytical の ト many variations on eset で す る the depth と shout ば れ る order statistic に attention し, と く に the projection the depth を center に beg を 検 into め た. Outside the projection the depth を れ numerical 検 know に with い る occasions, サ ン プ ル デ ー タ group が ク ラ ス タ を constitute す る よ う な occasions に 検 intellectual can が 顕 with low に す る こ と を be 験 に confirm し て い る. そ こ で サ ン プ ル デ ー タ セ ッ ト に し seaborne て ク ラ ス タ リ ン グ を prior に し, each デ ー タ が belongs す る ク ラ ス タ の concentration に base づ い て outside れ numerical ス コ ア を heavy み pay け す る method proposed を し た. The research results are published in the journal of the Electronic Information and Communication Society. The publication is に and the decision is が て る る. Before the annual か ら lead き 続 き, deep distance learning を consider し た abnormal sound 検 know ア ル ゴ リ ズ ム の research open 発 に group take り ん だ. 2021 annual の research に よ り, abnormal sound に give さ れ た properties (mechanical kind な ど) の classifier に base づ い て build す る abnormal sound 検 know モ デ ル の have sharper sex が shown さ れ て お り, this year's は こ の モ デ ル を yuan に し を て research into め た. Empirical を through じて, AdaCosに based on づく distance learning が is effective である である とを confirm that た. Research results の 発 table の field と し て, abnormal sound 検 know の international コ ン ペ テ ィ シ ョ ン で あ る DCASE2022 Challenge task2 に attend し た. On one side, the abnormal sound 検 knows the precision of the <s:1> upward に has an effect on the な characteristic quantity <e:1> and simultaneously に検 demands the た. Know more く の abnormal sound 検 gimmick の モ デ ル の に into force with い ら れ る sounds, 徴 quantity は メ ル ス ペ ク ト ロ グ ラ ム で あ る が, sounds に containing ま れ る phase - move は lost わ れ て し ま う. Phase - move を consider す る た め に, complex element ス ペ ク ト ロ グ ラ ム を into force may be な す べ て の, 徴 quantity take calculus に お い て, after prime numerical の tectonic を つ bao after prime numerical モ ジ ュ ー ル と, メ ル ス ペ ク ト ロ グ ラ ム を と into force す る be the numerical モ ジ ュ ー ル を group み close わ せ た after prime numerical ハ イ ブ リ ッ ド ニ ュ ー ラ ル ネ ッ ト ワ ー ク の have sharper sex を beg し 検 た. The research results of this study are published by the Electronic Information and Communication Society 応 and the Audio Research society にて on た.

项目成果

期刊论文数量（5）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
マルチチャネル音声信号の時間的・空間的な変化を考慮した微分特徴量に基づく異常音検知手法
考虑多通道音频信号时空变化的基于差分特征的异常声音检测方法
  • DOI：
  • 发表时间：
    2023
  • 期刊：
  • 影响因子：
    0
  • 作者：
    西山 翔大;玉森 聡
  • 通讯作者：
    玉森 聡
Unsupervised Outlier Detection based on Random Projection Outlyingness with Local Score Weighting
基于局部得分加权随机投影异常值的无监督异常值检测
位相変動を考慮した複素数値ハイブリッドニューラルワークによる異常音検知
使用考虑相位波动的复值混合神经工作进行异常声音检测
  • DOI：
  • 发表时间：
    2023
  • 期刊：
  • 影响因子：
    0
  • 作者：
    西山 翔大;玉森 聡
  • 通讯作者：
    玉森 聡
正常データの分散を考慮した深層距離学習に基づく教師なし異常音検知における転移学習の検討
考虑正常数据方差的基于深度距离学习的无监督异常声音检测迁移学习研究
  • DOI：
  • 发表时间：
    2021
  • 期刊：
  • 影响因子：
    0
  • 作者：
    成田泰基 ;玉森　聡
  • 通讯作者：
    玉森　聡
Unsupervised Anomalous Sound Detection Using Intermediate Representation of Trained Models and Metric Learning Based Variational Autoencoder
使用训练模型的中间表示和基于度量学习的变分自动编码器进行无监督异常声音检测
  • DOI：
  • 发表时间：
    2021
  • 期刊：
  • 影响因子：
    0
  • 作者：
    Hiroki Narita ; Akira Tamamori
  • 通讯作者：
    Akira Tamamori
{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi }}
  • 发表时间：
    {{ item.publish_year }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ patent.updateTime }}

玉森 聡其他文献

音声生成過程を考慮したWaveNetに基づく音声波形合成法
考虑语音生成过程的基于WaveNet的语音波形合成方法
  • DOI：
  • 发表时间：
    2017
  • 期刊：
  • 影响因子：
    0
  • 作者：
    玉森 聡;林 知樹;戸田 智基;武田 一哉
  • 通讯作者：
    武田 一哉

玉森 聡的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi }}
  • 发表时间：
    {{ item.publish_year }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
立即体验
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了