ニューラルネットワークを用いた統計モデルの学習と音響信号処理への応用

音響信号処理において，非負値行列因子分解（NMF）は音響信号のパワースペクトログラムをモデル化するために広く用いられている．NMFは雑音除去や信号分離に広く応用されており，これらの応用では，音響信号のパワースペクトログラムにNMFの最適化アルゴリズムを適用することでパワースペクトログラムから有用な特徴を抽出する．申請者らは，昨年度までに，NMFにおける統計モデルおよび最適化アルゴリズムとして解釈可能なニューラルネットワークの設計に成功し，提案したニューラルネットワークを雑音除去と教師あり信号分離に適用した．昨年度は，近年のNMFの研究で盛んに検討されてきた統計モデルから導出される距離規範を対象としていたが，今年度はNMFの初期の研究で用いられたBregman divergenceと呼ばれる距離規範を対象とし，Bregman divergenceとそれに基づくNMFの最適化アルゴリズムをニューラルネットワークを用いて表現することに成功した．さらに，雑音除去と教師あり信号分離の応用において，今年度新たに設計したニューラルネットワークの学習に成功した．NMFの初期の研究では，計算資源の不足から，Bregman divergenceに基づくNMFの振る舞いは十分に検討されていなかった．そのため，Bregman divergenceをニューラルネットワークにより表現し，実応用における振る舞いを検証した今年度の成果はNMFの研究において非常に有意義である．昨年度から今年度までの成果はIEICE Trans. Fundamentalsに投稿し，再録された．

音響信号処理において，非負値行列因子分解（NMF）は音響信号のパワースペクトログラムをモデル化するために広く用いられている．NMFは雑音除去や信号分離に広く応用されており，これらの応用では，音響信号のパワースペクトログラムにNMFの最適化アルゴリズムを適用することでパワースペクトログラムから有用な特徴を抽出する．申請者らは，昨年度までに，NMFにおける統計モデルおよび最適化アルゴリズムとして解釈可能なニューラルネットワークの設計に成功し，提案したニューラルネットワークを雑音除去と教師あり信号分離に適用した．昨年度は，近年のNMFの研究で盛んに検討されてきた統計モデルから導出される距離規範を対象としていたが，今年度はNMFの初期の研究で用いられたBregman divergenceと呼ばれる距離規範を対象とし，Bregman divergenceとそれに基づくNMFの最適化アルゴリズムをニューラルネットワークを用いて表現することに成功した．さらに，雑音除去と教師あり信号分離の応用において，今年度新たに設計したニューラルネットワークの学習に成功した．NMFの初期の研究では，計算資源の不足から，Bregman divergenceに基づくNMFの振る舞いは十分に検討されていなかった．そのため，Bregman divergenceをニューラルネットワークにより表現し，実応用における振る舞いを検証した今年度の成果はNMFの研究において非常に有意義である．昨年度から今年度までの成果はIEICE Trans. Fundamentalsに投稿し，再録された．