文献

J-GLOBAL ID：201702263526974761   整理番号：17A0473061

近位演算子を用いたブロック座標降下フレームワークを用いた解析辞書学習【Powered by NICT】

Analysis dictionary learning using block coordinate descent framework with proximal operators

著者 (4件)： Li Zhenni (School of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu City, Fukushima 965-8580, Japan) ,  Ding Shuxue (School of Computer Science and Engineering, The University of Aizu, Aizu-Wakamatsu City, Fukushima 965-8580, Japan) ,  Hayashi Takafumi (Graduate School of Science and Technology, Niigata University, Niigata City, Niigata 950-2181, Japan) ,  Li Yujie (Artificial Intelligence Center, AIST, Tsukuba, Ibaraki 305-8560, Japan)
資料名： Neurocomputing  (Neurocomputing)
巻： 239  ページ： 165-180  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,解析モデルを用いたスパース表現のための二分析辞書学習アルゴリズムを提案した。問題はl_1ノルム正則化と解析辞書に二ペナルティ条項を定式化した:log det(Ω T Ω)の項とコヒーレンスペナルティ項。処理方式として,ブロック座標降下フレームワークを採用し,全体的な問題は,単一のベクター変数に関して単変量部分問題の最小化のセットに変換した。各部分問題は依然として滑らかでないが,近位演算子によって解くことができる,閉形式解を直接的かつ陽的に得ることができた。特に,過度に類似または反復辞書原子を除いて,コヒーレンスペナルティは,辞書更新と同時に解き,それによる複雑さを低減することである。さらに,原子の群スキームは一つの提案したアルゴリズム,低い複雑さを持つことを紹介した。解析とシミュレーション研究によれば,提案したアルゴリズムの主な利点は,その大きな辞書回収率特に低cosparsity例,最新のアルゴリズムと比較して辞書回収率および回収cosparsityの安定値に達したの高速走行時間である。添加では,提案したアルゴリズムは,画像雑音除去と雑音除去であった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ノルム ,  解析モデル ,  シミュレーション ,  正則化 ,  雑音除去 ,  回収率 ,  *ペナルティ ,  学習アルゴリズム ,  アルゴリズム
準シソーラス用語： 画像雑音除去 ,  高速走行 ,  閉形式解 ,  部分問題 ,  スパース表現 ,  *辞書学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： スパース表現モデル ,  辞書学習解析 ,  ブロック座標降下フレームワーク ,  インコヒーレンス ,  近位演算子

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 演算子 ,  座標 ,  降下 ,  フレームワーク ,  解析 ,  辞書学習