抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
過完備辞書の学習問題では,観測信号(データ)を過完備辞書とスパース信号源の積でモデル化し,両者をデータから同時に学習・推定する。辞書学習では,近年,特定条件下におけるエラーバウンド付きの辞書再構成の議論が進展しつつある。これを,要素間にグループ構造を持つブロックスパースモデリングの場合にも拡張するための一歩として,本稿では,Agarwalらの示した再構成定理の一部をブロックスパースに対応できるよう拡張する。Agarwalらはデータサンプル間の類似性を内積で定量化しているが,ブロックスパースの文脈では,単一サンプル同士の内積は類似性として機能しない。そこで,辞書,信号源,及びデータに関する仮定,そしてサンプル間の類似性の定量化法をそれぞれ拡張・変更することによって,再構成定理の基礎をなす,サンプル間の類似性と非零要素の共通性との関連付けを,ブロックスパースモデルでも可能とした。これにより,再構成定理の後段もブロックスパースモデルに対して議論可能になると考えられる。(著者抄録)