機械学習を用いた歪みエフェクタのデジタルモデリングの高精度化

• Item type: SIG Technical Reports(1)
• 公開日: 2021-06-11
• タイトル: 機械学習を用いた歪みエフェクタのデジタルモデリングの高精度化
• タイトル / 言語: en
• タイトル: Low Loss Machine Learning for Digital Modeling of Distortion Stomp Boxes.
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ディスカッション
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 北海道大学
• 著者所属: 北海道大学
• 著者所属: 北海道大学
• 著者所属: 東京工業高等専門学校
• 著者名: 松永, 悠斗; 青木, 直史; 土橋, 宜典; 小嶋, 徹也
• 著者名(英): Yuto, Matsunaga; Naofumi, Aoki; Yoshinori, Dobashi; Tetsuya, Kojima
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 歪みエフェクタはエレキギターに用いて多くの楽曲で使用される音響機器の一つであり，多くのギタリストから関心を集める音響機器である．デジタル信号処理技術の発展に伴い，様々な音響機器がデジタルで再現 (モデリング) されているが，歪みエフェクタはその非線形性からモデリングが困難であり，これを高精度化する研究が広く行われている．近年の機械学習技術の発展に伴って，歪みエフェクタのモデリングにも機械学習が用いられている．本研究ではこのような手法の一つとして，Long Short-Term Memory (LSTM) を用いた手法を提案する．提案手法の学習モデルは，ウィナーモデルをベースとした構造を用いて構築している．本稿では，提案手法について説明した後，提案手法と同じく LSTM を用いた従来手法と比較実験を行い，この結果について報告する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Distortion stomp boxes are one of the acoustic devices used on electric guitars. This device has attracted the interest of many guitarists. With the development of digital signal processing technology, a variety of acoustic devices are modeled in digital signal processing. However, distortion stomp boxes are difficult to model due to their nonlinearity. Therefore, research to improve the accuracy of the distortion stomp boxes has been widely conducted. With the recent development of machine learning technology, machine learning is used for modeling of distortion stomp boxes. In this study, we propose a technique based on Long Short-Term Memory (LSTM). The learning model of the proposed technique is constructed using a structure based on the Wiener model. In this paper, after explaining the proposed technique, we compare the proposed technique with a conventional technique that also uses LSTM, and report the results.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438388
• 書誌情報: 研究報告音楽情報科学（MUS）; 巻 2021-MUS-131, 号 46, p. 1-5, 発行日 2021-06-11
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8752
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会