权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Modelling Speech Spectra Based on Logarithmic Shallow Neural Networks

基于对数浅层神经网络的语音谱建模

基本信息

批准号：
21K11957
负责人：
中鹿亘
金额：
$ 2.66万
依托单位：
The University of Electro-Communications
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究では，音声の表現に適した新しい機械学習手法として，確率的な浅層ニューラルネットである制限ボルツマンマシン（RBM）をベースに，対数振幅スペクトルと位相のデータ構造を適切に表現する音声技術を確立する．しばしばブラックボックスだと言われる深層学習モデルとは違い，RBMはデータの確率分布を陽に仮定できる解釈性がある．そのため，より適切に音声のデータ構造を表現することができる．初年度（令和３年度）は対数振幅スペクトルを表現することに主眼を置き，独自に提案したガンマRBMを用いた音声表現を確立させた．令和４年度では，このモデルを更に発展させ，対数振幅スペクトルに加えて位相を同時に表現するモデル（Gamma von-Mises RBM; GVM RBM）を新規提案し，実装，評価及び論文執筆を行なった．具体的には，可視素子として振幅スペクトル，対数振幅スペクトルおよび位相スペクトルを設定し，二値の隠れ素子が既知の可視素子の条件付き確率が，振幅スペクトルについてはガンマ分布，位相スペクトルについてはフォン・ミーゼス分布となり，更に両者が条件付き独立となることを示した．評価実験では，深層学習モデルやガンマRBMに位相復元を適応したモデルなどよりも飛躍的に高い精度で音声の符号化・復号化が可能であることを示した．本研究成果に関して，権威的な国際論文誌であるIEEE Signal Processing Letters（インパクトファクター：3.2）に1件投稿し，現在査読中である．

This study aims to establish a new mechanical learning technique for acoustic performance, and to establish an appropriate acoustic technique for acoustic performance based on numerical amplitude and phase structure. Deep learning is the key to RBM's accuracy distribution. The sound and structure of the sound are different. In the first year, the number of sound waves was increased. In the fourth year of this year, the new regulation proposal for Gamma Von-Mises RBM (GVM RBM) was proposed, and the new regulation proposal for Gamma Von-Mises RBM (GVM RBM) was carried out. Specifically, the visionaries are selected for amplitude, and the phase is selected for amplitude. Two values of the visionaries are selected for conditional accuracy of the known visionaries. The amplitude is selected for distribution. The phase is selected for distribution. More specifically, the conditional accuracy is selected for independence. Comments on deep learning RBM phase complex elements suitable for high precision sound symbolization complex sign possible The results of this research are relevant to the international journal of IEEE Signal Processing Letters (IEEE Signal Processing Letters: 3.2).

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Consistency Regularization for GAN-based Neural Vocoders

DOI：
10.23919/apsipaasc55919.2022.9980309
发表时间：
2022-11
期刊：
2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)
影响因子：
0
作者：
Kotaro Onishi;Toru Nakashika
通讯作者：
Kotaro Onishi;Toru Nakashika

Gamma Boltzmann Machine for Audio Modeling

用于音频建模的伽马玻尔兹曼机