文献

J-GLOBAL ID：201702259576497064   整理番号：17A1034369

転化のための学習:深層畳込みネットワークを用いた信号回復【Powered by NICT】

Learning to invert: Signal recovery via Deep Convolutional Networks

著者 (2件)： Mousavi Ali (Department of Electrical and Computer Engineering, Rice University, Houston, TX 77005, United States of America) ,  Baraniuk Richard G. (Department of Electrical and Computer Engineering, Rice University, Houston, TX 77005, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 2272-2276  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： 圧縮センシング(CS)の約束は,二つの重要な課題により相殺した。最初に,実世界データを固定した基底でのスパース正確になかった。第二に,現在の高速回復アルゴリズムが収束する遅い,バックエンド計算が利用可能であるが非実時間応用またはシナリオのいずれかにCSを制限している。本論文では,著者らは,測定ベクトルから逆変換を学習する深い畳込みネットワークを用いた信号にDeepInverseと呼ぶ新しい信号回復フレームワークを開発することにより頭部上これらの課題の両方を攻撃する。代表的な画像の集合上で訓練された場合,ネットワークは信号の表現(取り組む課題)と欲張りまたは凸回復アルゴリズム(対処チャレンジ二)を近似する逆マップの両方を学習する。著者らの実験は,最先端のCS回復アルゴリズムで生成した解を厳密に近似DeepInverseネットワークはまだ実行時間で速い時間の百であることを示した。超高速実行時間のトレードオフが深いネットワークへの典型的な計算集約的で,オフライン訓練手順である。しかしながら,訓練は1回のみ完了することが必要で,これは,このアプローチがホストスパース回復問題のための魅力的である。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： *ネットワーク ,  凸形 ,  高速度 ,  *学習 ,  ベクトル ,  アルゴリズム ,  集中化 ,  逆変換 ,  近似法 ,  *畳込み ,  画像
準シソーラス用語： 超高速 ,  実行時間 ,  圧縮センシング ,  *信号回復 , 【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)： 学習 ,  深層 ,  畳込み ,  信号回復