文献

J-GLOBAL ID：202202279913103960   整理番号：22A1009553

TopK演算子を利用した深層展開型疎信号復元アルゴリズム

Deep-Unfolded Sparse Signal Recovery Algorithm using TopK Operator

著者 (3件)： 水谷将成 (名古屋工大) ,  高邉賢史 (東京工大) ,  和田山正 (名古屋工大)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 327(IT2021 28-82)  ページ： 245-251 (WEB ONLY)  発行年： 2022年01月13日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： スパース信号を推定する圧縮センシングはNP困難な最適化問題として定式化されるため,代わりにそれを凸緩和したLASSOと呼ばれる最適化問題が解かれることが多い.しかし,LASSOに基づく手法は,原信号の非零成分数kが既知の場合,その情報を直接利用できないという問題点がある.これに対して,本稿ではTopK演算子と呼ばれる近似射影演算子を利用することで,kの値を直接利用して解を探索する.射影勾配法的な反復手法であるTopK-ISTAを提案する.さらに,反復アルゴリズムの内部パラメータを学習する深層展開をTopK-ISTAに適用することで,訓練データに応じたパラメータ調整を行う学習可能アルゴリズムを提案し,数値実験によりその信号推定性能を評価する.(著者抄録)

シソーラス用語： *信号再生 ,  *機械学習 ,  *信号推定 ,  射影演算子 ,  逐次近似 ,  予測誤差 ,  誤り率 ,  最適化問題 ,  圧縮センシング ,  平均二乗誤差
準シソーラス用語： MSE【誤差】 ,  *深層展開 ,  *疎信号回復

分類 (1件)： 信号理論  (ND02020G)

引用文献 (12件)：

• D. L. Donoho, “Compressed sensing,” IEEE Trans. Inf. Theory, vol. 52, no. 4, pp. 1289-1306, Apr. 2006.
• K. Hayashi, M. Nagahara, and T. Tanaka, “A user’s guide to compressed sensing for communications systems,” IEICE Trans. on Comm., Vol. E96-B, No. 3, pp. 685-712, 2013
• R. Tibshirani, “Regression shrinkage and selection via the lasso,” J. Royal Stat. Society, Series B, vol. 58, pp. 267-288, 1996.
• A. Chambolle, R. A. DeVore, N. Lee, and B. J. Lucier, “Nonlinear wavelet image processing: Variational problems, compression, and noise removal through wavelet shrinkage,” IEEE Trans. Image Process., vol. 7, no. 3, pp. 319-335, Mar, 1998.
• K. Gregor, and Y. LeCun, “Learning fast approximations of sparse coding,” Proc. 27th Int. Conf. Machine Learning, pp. 399-406, 2010.

タイトルに関連する用語 (4件)： 演算子 ,  深層展開 ,  信号復元 ,  アルゴリズム