Core Concepts
本論文では、従来の非負値行列因子分解(NMF)を連続関数として定式化し、不規則サンプリングされたデータに対しても適用可能な手法を提案する。この手法により、時間周波数表現の種類を問わずに、NMFに基づく分析が可能となる。
Abstract
本論文では、従来のNMFを連続関数として定式化する手法を提案している。
通常のNMFは、時間周波数表現を行列として扱うが、CQTやウェーブレット変換など不規則サンプリングされたデータには適用できない。
本手法では、時間周波数点の集合として表現し、基底関数Wkとその活性化関数Hkを学習する。
これにより、任意の時間周波数表現に対してNMFを適用できるようになる。
実験では、従来のNMFと同等の性能を示し、異なる時間周波数表現間での一般化性も確認された。
提案手法は、NMFに限らず線形処理全般に適用可能であり、柔軟なデータ処理を可能にする。
Stats
短時間フーリエ変換(STFT)のウィンドウサイズを変えた場合でも、提案手法は従来のNMFと同等の再構成性能を示した。
提案手法は、STFT(N=2000)で学習した基底関数を用いて、STFT(N=1000, 1500, 2500)の入力に対しても良好な性能を示した。
Quotes
"我々は時間周波数表現を点群として扱い、基底関数Wkとその活性化関数Hkを学習する。"
"提案手法は、NMFに限らず線形処理全般に適用可能であり、柔軟なデータ処理を可能にする。"