Virtual Analog Modeling of Distortion Circuits Using Neural Ordinary Differential Equations

Jan Wilczek, Alec Wright, Vesa Välimäki, Emanuël A.P. Habets

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

1 Sitaatiot (Scopus)
36 Lataukset (Pure)

Abstrakti

Recent research in deep learning has shown that neural networks can learn differential equations governing dynamical systems. In this paper, we adapt this concept to Virtual Analog (VA) modeling to learn the ordinary differential equations (ODEs) governing the first-order and the second-order diode clipper. The proposed models achieve performance comparable to state-of-the-art recurrent neural networks (RNNs) albeit using fewer parameters. We show that this approach does not require oversampling and allows to increase the sampling rate after the training has completed, which results in increased accuracy. Using a sophisticated numerical solver allows to increase the accuracy at the cost of slower processing. ODEs learned this way do not require closed forms but are still physically interpretable.

AlkuperäiskieliEnglanti
OtsikkoProceedings of the 25th International Conference on Digital Audio Effects (DAFx20in22)
ToimittajatGianpaolo Evangelista, Nicki Holighaus
JulkaisupaikkaVienna, Austria
KustantajaDAFx
Sivut9-16
Sivumäärä8
Painos2022
ISBN (elektroninen)978-3-200-08599-2
TilaJulkaistu - 2022
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaInternational Conference on Digital Audio Effects - University of Music and Performing Arts Vienna, Vienna, Itävalta
Kesto: 7 syysk. 20229 syysk. 2022
Konferenssinumero: 25
https://dafx2020.mdw.ac.at/DAFx20in22/
https://dafx2020.mdw.ac.at/DAFx20in22/index.html

Julkaisusarja

NimiProceedings of the International Conference on Digital Audio Effects
ISSN (painettu)2413-6700
ISSN (elektroninen)2413-6689

Conference

ConferenceInternational Conference on Digital Audio Effects
LyhennettäDAFx
Maa/AlueItävalta
KaupunkiVienna
Ajanjakso07/09/202209/09/2022
www-osoite

Sormenjälki

Sukella tutkimusaiheisiin 'Virtual Analog Modeling of Distortion Circuits Using Neural Ordinary Differential Equations'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä