MétaCan
Menu
Retour à la cohorte
Enregistrement W2126157087

Region-growing permutation alignment approach in frequency-domain convolutive blind source separation

2009· article· en· W2126157087 sur OpenAlexaffvenue
Lin Wang, Heping Ding, Fuliang Yin

Notice bibliographique

RevueCanadian acoustics · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlind Source Separation Techniques
Établissements canadiensNational Research Council CanadaInstitute for Microstructural Sciences
Organismes subventionnairesnon disponible
Mots-clésBinPermutation (music)Frequency domainAlgorithmBlind signal separationShort-time Fourier transformMathematicsFourier transformSIGNAL (programming language)Time–frequency analysisComputer scienceFourier analysisAcousticsTelecommunicationsPhysicsMathematical analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A new alignment method was proposed to solve the problem in frequency-domain blind source separation (BSS). The new alignment method was based on an inter-frequency dependence measure involving the powers of separated signals. Bin-wise permutation alignment was applied across all frequency bins using the correlation of separated signal powers and the full frequency band was partitioned into small regions. These small regions were based on the bin-wise permutation alignment result and region-wise permutation alignment was performed in a region-growing manner. It was demonstrated that the convolutive separation problem was converted to instantaneous separation in each frequency bin through short-time Fourier transform (STFT). It was also observed that the correlation of bin-wise signal power ratio tended to be high when the two components belonged to the same source.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,802
Score d'incertitude au seuil0,817

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,259
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian acousticsMême sujetBlind Source Separation TechniquesTravaux en français237 207