文献

J-GLOBAL ID：201702244236970405   整理番号：17A1034648

効率的な信号圧縮のための辞書学習【Powered by NICT】

Learning dictionary for efficient signal compression

著者 (3件)： Abdi Afshin (Georgia Institute of Technology, United States of America) ,  Payani Ali (Georgia Institute of Technology, United States of America) ,  Fekri Faramarz (Georgia Institute of Technology, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 3689-3693  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： データ圧縮のための辞書学習の問題を考察した。通常の学習方法とは異なり,シグナルは辞書に基づいて低エントロピー表現,スパースまたは低エネルギー表現を与えるよりはむしろを持つような目的は,辞書を設計することである。この目標を達成するために,著者等は,レート歪み曲線に及ぼす量子化の影響と同様に係数の分布の推定を考慮する必要がある。この確率推定に基づいて,係数はコンピュータ,量子化,エントロピー符号化。そのようなものとして,異なるクラス辞書のためのアルゴリズムを開発した正規直交辞書と係数の分布モデルを学習反復的に,単位標準原子とorthonormalsと一般的辞書の結合。Gaussiansの混合物を確率を推定するために採用し,辞書学習と共に期待値最大化アルゴリズムを用いて更新した。実地震データに関するシミュレーション結果は,通常の辞書学習手法と比較して提案したアルゴリズムの有効性を示した。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： *学習 ,  量子化 ,  アルゴリズム ,  エントロピー ,  統計的推定 ,  直交性 ,  コンピュータ ,  データ圧縮 ,  シミュレーション
準シソーラス用語： EMアルゴリズム ,  エントロピー符号化 ,  レート歪 ,  学習方法 ,  *辞書学習 ,  *信号圧縮 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  信号理論  (ND02020G)

タイトルに関連する用語 (2件)： 信号圧縮 ,  辞書学習