講演情報
[1Yin-B-44]事前学習を用いたPhysics-Informed Extreme Learning Machineによる音場補間
〇駒場 颯斗1、佐藤 元1、倉田 験1、池田 雄介1 (1. 東京電機大学)
キーワード：
PIELM、PINNs、ELM、音場再構成、音場推定
音の空間伝播を表す音場情報は，騒音制御や音場再現など、多くの分野で応用されている。一方で、設置コストや実用上の制約により，音場を高密度に計測することは困難であるため、限られた数のマイクロホンから音場を補間する手法が数多く提案されている。特に、物理法則に基づく機械学習 (PINNs)を用いた手法では、高い精度で音場を補間することができる。一方、学習に多くの時間を要するため、リアルタイム性を必要とする能動騒音制御などにおいて実用上の課題がある。そこで、反復的な最適化を必要としない、物理法則に基づく機械学習手法であるPhysics-Informed Extreme Learning Machine(PIELM)を用いた音場補間手法を提案する。しかし、一般的にPIELMでは、乱数によって決定した隠れ層の重みを学習することなく利用するため、推定精度が不安定になるという課題がある。そのため、本研究では、PINNsによる事前学習を用いて隠れ層の重みを決定する。シミュレーション実験の結果、提案手法は従来のPIELMと比較して、安定して優れた精度での音場補間を達成した。