| 研究課題/領域番号 |
21K17769
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 明治大学 |
|---|
研究代表者 |
丹治 寛樹 明治大学, 研究・知財戦略機構(生田), 研究推進員(ポスト・ドクター) (40896255)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 非負値行列因子分解 / 音源分離 / 雑音除去 / 深層学習 / 深層展開 / 統計モデル / 最適化アルゴリズム / ニューラルネットワーク / Bregman divergence / 信号分離 / 音響信号処理 |
|---|
| 研究開始時の研究の概要 |
本研究では，音響信号のための信号分離および雑音除去のための統計モデルを学習する手法の確立を目標とする．そのために，複素スペクトログラムに対する確率密度関数を自動的に学習できるか，という観点に基づき，ニューラルネットワークを用いた確率密度関数および最適化アルゴリズムの生成とその学習方法を開発する．特に非負値行列因子分解およびその拡張における統計モデルに着目し，信号分離および雑音除去のタスクにおけるニューラルネットワークの学習手法を確立する．
|
| 研究成果の概要 |
本研究では，信号分離および雑音除去のための統計モデルを学習する手法の確立を目標とする．そのために，複素スペクトログラムに対する確率密度関数を自動的に学習できるか，という観点に基づき，ニューラルネットワークを用いた確率密度関数および最適化アルゴリズムの構築とその学習方法を提案した．特に非負値行列因子分解およびその拡張における統計モデルに着目し，信号分離および雑音除去のタスクにおけるニューラルネットワークの学習手法を提案した．
|
| 研究成果の学術的意義や社会的意義 |
統計モデルに基づくNMFの乖離度は一般に信号分離や雑音除去といったタスクにおける性能評価指標を考慮していないため，これらのタスクにおいて常に高い性能を発揮するとは限らなかった．しかも，従来の乖離度の調整可能なパラメータはせいぜい1つしか無く，モデルの表現力は限られていた．一方では，提案法ではニューラルネットワーク（NN）を用いて乖離度を構成することでモデルの表現力を向上させ，評価指標を考慮してNNを学習することに成功した．また，シミュレーションにより，信号分離や雑音除去においてNMFの乖離度が与える性能への影響を明らかにした．これはNMFの乖離度に関する研究を総括する意味で有意義である．
|
