文献

J-GLOBAL ID：201702213913022690   整理番号：17A0368977

ANN探索のためのパラメトリックおよび非パラメトリック残差ベクトル量子化の最適化【Powered by NICT】

Parametric and nonparametric residual vector quantization optimizations for ANN search

著者 (3件)： Guo Dan (School of Computer and Information, Hefei University of Technology, Hefei, China) ,  Li Chuanqing (School of Computer and Information, Hefei University of Technology, Hefei, China) ,  Wu Lv (School of Information Engineering, Wuhan University of Technology, Wuhan, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 217  ページ： 92-102  発行年： 2016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： 多数のビジョンベースアプリケーションにおいて近似的最近傍(ANN)探索のために,ベクトル量子化(VQ)は,効率的なコンパクト符号化技術である。VQの代表的なアプローチは,カルテシアン積により別々に部分空間を量子化と高精度を達成する直積量子化(PQ)である。空間分解は量子化歪をもたらした。本論文では,残差ベクトル量子化(RVQ)に基づく二つの最適化された解を提示した。PQとは異なり,RVQはそれを分解の代わりに多段量子化器による復元量子化誤差をシミュレートした。更なるコードブックと空間分解を最適化するために,より良い識別空間射影を得ることを目指した。正規直交マトリックスRが生成した。RVQのノンパラメトリック溶液を交互に多重反復における特異値分解(SVD)によるRとステージコードブックを最適化した。RVQのパラメトリック解は,データがGauss分布に従うと固有値割当を一度に各段階マトリックス{R_l}(1≦l≦L)を得るために用いた仮定,LはRVQの段数である。種々の最適化されたPQベース法と比較して,提案手法では,量子化誤差を回復に良好な優位性を有している。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： 固有値 ,  符号表 ,  *ベクトル量子化 ,  射影 ,  特異値分解 ,  量子化器 ,  *最適化 ,  直交性 ,  *量子化 ,  正規分布 ,  量子化誤差 ,  ノンパラメトリック法 ,  *残差
準シソーラス用語： 高精度 ,  部分空間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 残留ベクトル量子化 ,  ベクトル量子化の最適化 ,  パラメトリック最適化 ,  非パラメトリック最適化 ,  ステージコードブック

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 探索 ,  残差 ,  ベクトル量子化 ,  最適化