文献

J-GLOBAL ID：201602279331889002   整理番号：16A0767776

正則化再降下M推定量を用いたロバストな低ランクテンソル回復【Powered by NICT】

Robust Low-Rank Tensor Recovery With Regularized Redescending M-Estimator

著者 (3件)： Yang Yuning (Department of Electrical Engineering, Stadius Centre for Dynamical Systems, Signal Processing and Data Analytics, Katholieke Universiteit Leuven, Leuven, Belgium) ,  Feng Yunlong (Department of Electrical Engineering, Stadius Centre for Dynamical Systems, Signal Processing and Data Analytics, Katholieke Universiteit Leuven, Leuven, Belgium) ,  Suykens Johan A. K. (Department of Electrical Engineering, Stadius Centre for Dynamical Systems, Signal Processing and Data Analytics, Katholieke Universiteit Leuven, Leuven, Belgium)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 27  号： 9  ページ： 1933-1946  発行年： 2016年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ロバスト低ランクテンソル回復問題を扱った。テンソル回収率はいくつかの線形測定,画像処理,パターン認識,マルチタスク学習などへの応用を発見するから低ランクテンソルを再構成することにある。実世界応用では,データはスパース総誤差によって汚染される可能性がある。しかし,既存の手法は異常値に非常にロバストではないかもしれない。この問題を解決するために,本論文では,正則化redescending M推定量に基づくアプローチ,ロバスト統計に導入されているを提案した。提案したアプローチのロバスト性は,正則化redescending M推定により達成される。しかし,非凸性は,計算困難をもたらした。この問題を扱うために,著者らは近位と線形化ブロック座標降下法に基づくアルゴリズムを開発した。データフィッティングリスクの勾配のリプシッツ定数を明確に描出することにより,アルゴリズムの降下特性が存在した。さらに,著者らは提案した手法の目的関数は,Kurdyka-L/ojasiewicz特性,アルゴリズムの大域的収束を確立することを満たすことを確認した。合成データと実データ上での数値実験を行い,この手法は異常値の存在下でロバストなと異常値の非存在下に効果的であることを検証した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *正則化 ,  線形性 ,  目的関数 ,  再構成 ,  *ロバスト性 ,  凸形 ,  透視図法 ,  *テンソル ,  *推定量 ,  異常値 ,  回収率 ,  アルゴリズム
準シソーラス用語： 数値実験 ,  線形化 ,  マルチタスク学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 正則化 ,  降下 ,  推定量 ,  ロバスト ,  テンソル ,  回復