@techreport{oai:ipsj.ixsq.nii.ac.jp:00216613,
 author = {少路, 春希 and 吉本, 健人 and 阪, 大樹 and 黒田, 大貴 and 北原, 大地 and 田中, 賢一郎 and 平林, 晃 and Haruki, Shoji and Kento, Yoshimoto and Daiki, Saka and Hiroki, Kuroda and Daichi, Kitahara and Kenichiro, Tanaka and Akira, Hirabayashi},
 issue = {12},
 month = {Feb},
 note = {深層学習に基づく歪みエフェクタのモデリングを高速に行う手法を提案する．エフェクタの個体や設定を変えて何回もモデリングすることを考えると 1 回当たりの学習時間の短縮が求められるが，単に学習データ量を削減するとモデリング精度が低下してしまう．本研究では，目的の歪みエフェクタを少量データからモデリングする際に， 異なる歪みエフェクタに対して十分訓練済みのネットワークパラメータを初期値としてファインチューニングを行う．数値実験で，提案手法が少量データからでも精度を維持したまま歪みエフェクタを高速にモデリングすることを示す．, We propose a fast modeling method for distortion pedals based on deep learning. For modeling many times with different pedals and settings, it is desired to shorten the training time per one model, but simply reducing the amount of training data decreases the modeling accuracy. In this paper, when modeling a target distortion pedal from a small amount of data, we propose to apply fine-tuning where network parameters well-trained for another distortion pedal are used as initial values. Numerical experiments show that the proposed method trains the model of the target distortion pedal very quickly from a small amount of data while maintaining the modeling accuracy.},
 title = {ファインチューニングを利用した歪みエフェクタの高速モデリング},
 year = {2022}
}