文献

J-GLOBAL ID：201702223025374454   整理番号：17A1724800

グラフ信号の適応学習のための最適サンプリング戦略【Powered by NICT】

Optimal sampling strategies for adaptive learning of graph signals

著者 (3件)： Di Lorenzo Paolo (Department of Engineering, University of Perugia, Via G. Duranti 93, 06125, Perugia, Italy) ,  Banelli Paolo (Department of Engineering, University of Perugia, Via G. Duranti 93, 06125, Perugia, Italy) ,  Barbarossa Sergio (Department of Information Engineering, Electronics, and Telecommunications, Sapienza University of Rome, Via Eudossiana 18, 00184, Rome, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EUSIPCO  ページ： 1684-1688  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文の目的は,グラフ上で定義された信号の適応学習のための最適サンプリング戦略を提案することである。確率的サンプリングを用いた新しい最小二乗平均(LMS)推定戦略を導入して,各ノードでのサンプリング確率を選択し,サンプリング速度を最適化の目的,または平均二乗性能を二種類の方法を提案したが,同じ時間で規定された学習速度を保証した。得られた解は自然にLMSアルゴリズムのグラフサンプリング速度,定常状態性能,学習速度との間のトレードオフを最適化するスパースサンプリング確率ベクトルを導いた。数値シミュレーションは,提案した方法を検証し,グラフ信号の適応学習のための提案したサンプリング戦略の性能を評価した。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： 最適化 ,  *グラフ ,  最小二乗法 ,  ベクトル ,  シミュレーション
準シソーラス用語： 数値シミュレーション ,  定常状態 ,  LMSアルゴリズム ,  学習速度 ,  サンプリング速度 ,  *適応学習 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： グラフ ,  適応学習 ,  サンプリング ,  戦略