文献

J-GLOBAL ID：201702256269796593   整理番号：17A0662392

グラフ信号のカーネルベースの再構成【Powered by NICT】

Kernel-Based Reconstruction of Graph Signals

著者 (3件)： Romero Daniel (Department of Electrical and Computer Engineering and Digital Technology Center, University of Minnesota, Minneapolis, MN, USA) ,  Ma Meng (Department of Electrical and Computer Engineering and Digital Technology Center, University of Minnesota, Minneapolis, MN, USA) ,  Giannakis Georgios B. (Department of Electrical and Computer Engineering and Digital Technology Center, University of Minnesota, Minneapolis, MN, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 65  号： 3  ページ： 764-778  発行年： 2017年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  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： 工学,社会科学,物理学,生物学における応用の数はネットワーク上での推論を含んでいる。これに関連して,グラフ信号は,頂点属性の記述子またはグラフ構造データの特徴として広く遭遇する。頂点の部分集合についてのそれらの値の雑音のある観測を与えられた全ての頂点におけるそのような信号の推定グラフ(SPoG)上での信号処理の文献で解析されてきた。本論文では,一般的なSPoGモデリングと再構成を一般化し,それらの能力を拡大するフレームワークとして提唱しているカーネル回帰。グラフ信号のカーネルH ilbert空間を再現することに回帰タスクとして定式化信号再構成統計的学習からの利益を浸透し,新たな洞察を提供し,既存の代替法よりも事前情報の豊富な型を活用する推定を可能にした。bandlimitedness,グラフフィルタ,グラフFourier変換のようなSPoG概念の数はどのようにカーネルの枠組みに収容される。加えて,この論文では,既存のTikhonov正則化推定量のより単純なバージョンを考案するいわゆる表現定理を利用し,グラフィカルモデルに基づくグラフ上のカーネル法の新しい確率論的解釈を提供する。SPoG推定器における帯域幅パラメータを選択することの挑戦またはカーネルベース法におけるカーネルマップに触発されて,本論文では,今後の相補的強度を持つ二multikernelアプローチを提案した。第一は帯域制限された信号の未知帯域幅の推定を可能にするが,第二は,効率的なグラフフィルタ選択を可能にした。合成および実データを用いた数値試験は,最新式の代替手段に比べて提案した方法の利点を実証した。Copyright 2017 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： 定式化 ,  帯域制限 ,  *グラフ ,  推定量 ,  モデリング ,  *再構成 ,  確率論 ,  部分集合 ,  帯域幅 ,  雑音
準シソーラス用語： Kernel法 ,  Tikhonov正則化 ,  事前知識 ,  信号再構成 ,  カーネル回帰 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  グラフ理論基礎  (IA02020S)

タイトルに関連する用語 (3件)： グラフ ,  カーネル ,  再構成