دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Nonlinear Real-Time Emulation of a Tube Amplifier with a Long Short Term Memory Neural-Network
دانلود کتاب شبيه سازی غیر خطی در زمان واقعی تقویت کننده لوله با یک شبکه عصبی طولانی مدت کوتاه مدت
مشخصات کتاب
Nonlinear Real-Time Emulation of a Tube Amplifier with a Long Short Term Memory Neural-Network
ویرایش:
نویسندگان: Schmitz Thomas
سری:
ناشر:
سال نشر: 0
تعداد صفحات: 6
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 380 کیلوبایت
قیمت کتاب (تومان) : 30,000
در صورت تبدیل فایل کتاب Nonlinear Real-Time Emulation of a Tube Amplifier with a Long Short Term Memory Neural-Network به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شبيه سازی غیر خطی در زمان واقعی تقویت کننده لوله با یک شبکه عصبی طولانی مدت کوتاه مدت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب شبيه سازی غیر خطی در زمان واقعی تقویت کننده لوله با یک شبکه عصبی طولانی مدت کوتاه مدت
سیستم های صوتی متعدد برای نوازندگان گران و حجیم هستند. بنابراین، مدل سازی می تواند سودمند باشد آنها و جایگزین کردن آنها با شبیه سازی کامپیوتری. رفتار غیرخطی آنها مستلزم استفاده از مدل های پیچیده است. ما پیشنهاد می کنیم از پیشرفت های حاصل شده در زمینه یادگیری ماشینی برای ساختن یک مدل جدید برای آن بهره ببریم دستگاه های صوتی غیر خطی (مانند تقویت کننده لوله). این مقاله به ویژه بر روی محدودیت‌های زمان واقعی تمرکز دارد مدل. اصلاح ساختار شبکه عصبی بلند مدت حافظه کوتاه مدت منجر به مدلی 10 برابر سریعتر شده است. در حالی که دقت بسیار خوبی را حفظ می کند. در واقع، ریشه میانگین مربعات خطا بین سیگنالی که از لوله می آید تقویت کننده و خروجی شبکه عصبی حدود 2 درصد است.
توضیحاتی درمورد کتاب به خارجی
Numerous audio systems for musicians are expensive and bulky. Therefore, it could be advantageous to model them and to replace them by computer emulation. Their nonlinear behavior requires the use of complex models. We propose to take advantage of the progress made in the field of machine learning to build a new model for such nonlinear audio devices (such as the tube amplifier). This paper specially focuses on the real-time constraints of the model. Modifying the structure of the Long Short Term Memory neural-network has led to a model 10 times faster while keeping a very good accuracy. Indeed, the root mean square error between the signal coming from the tube amplifier and the output of the neural network is around 2%.
