7月上旬、macのバッテリーがもうヘタれてしまったのでバッテリーを取り替えてもらった。 1週間後には修理が終わったが、受け取った次の日にkernel_taskが暴走・・・再度修理に出して2週間。 8月3日にようやく落ち着いたとのことで受け取る。
それまでのメモは全てWローカルに残していたので、こちらに移していく。今日はメモ以降で終わるかな。
- Learning optimal wavelet bases using a natural network approach を読んだ。
- 直行条件は制約条件として入ってきて、それを最適化するように学習する
- でもそれは学習の途中では完全に直交していない状態を経由することになる（筆者も論文中でsub-orthogonalと言ってた）
- ラグランジュ未定乗数法で閉形式で解ければ格好いいが、係数による偏微分が係数の和を含むので閉形式に持っていくのが難しい。
- 相互最適化、というかEMアルゴリズムのように、係数を損失最小化するように更新→制約を満たすように更新→損失最小化→…でやれないか？少し考えたけどピントこない。
- ウェーブレットを学習する方策は筋が悪いように思える。近似解になってしまうのがどうも納得いかない。ロッシーならともかく、再構成が絶対要件になるロスレスと相性が悪い。
前から思っていたけど、適応的リフティングに舵を切る。
- 個人の音声特徴を適応的に抽出するリフティングウェーブレットフィルタの設計
- ほしい周波数特性を持つリフティングウェーブレットフィルタを評価関数ベースで作成。
- どうやって評価関数を最小化するかはなぞ。
- リフティングの解説見てると、自由パラメータがあってそれを調節することで適応を実現しているな。そんなのあったっけ。リフティングに立ち戻る。
- SPEAKER IDENTIFICATION SYSTEM USING LIFTING WAVELET FILTERS
- 話者識別の文脈
- GMMでフィッティングしている？未知入力に対してGAを使ってGMMのパラメータを推定し、話者識別を行う。
- THE LIFTING SCHEME: A CONSTRUCTION OF SECOND GENERATION WAVELETS
- リフティングの原論文
- リフティングスキームによるウェーブレットの構成法
- 何回目かわからんが挙げとく。
- 6.2節で適応的リフティングの文献を挙げている。これは舐めよう。