文献

J-GLOBAL ID：201802228964940157   整理番号：18A2081316

再重み付けLaplaceプライアを用いたBayes圧縮センシング【JST・京大機械翻訳】

Bayesian compressive sensing using reweighted laplace priors

著者 (4件)： Jiang Tao (College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China) ,  Zhang XiaoWei (College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China) ,  Li Yingsong (College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China) ,  Li Yingsong (National Space Science Center, Chinese Academy of Sciences, Beijing 100190, China)
資料名： AEUe  (AEUe)
巻： 97  ページ： 178-184  発行年： 2018年 
JST資料番号： A0447A  ISSN： 1434-8411  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Bayes圧縮センシング(BCS)は,スパース表現関連問題を扱うための信号処理において重要な役割を果たす。BCSは,階層的Bayesフレームワークを用いた信号サンプリング処理やモデルパラメータのような圧縮センシング(CS)問題を解くためにBayesモデルを利用する。以前の研究では,基本係数に対するGauss分布とLaplace分布の利用が既に実証されている。しかしながら,2つの既存のプリアは,未知の信号に対するスパース性表現をより効果的に符号化することができない。本論文では,未知の信号のスパース性を完全に利用するために,階層的Bayesのための再加重Laplace分布を提案した。提案したアルゴリズムは,未知の信号のすべての係数を自動的に推定することができ,期待されるモデルパラメータは,Bayes最大事後およびタイプII最大尤度を解くために,高速gre欲アルゴリズムを開発することによって,単に観測から得られる。提案したモデルのスパース性に関する理論解析を解析し,Laplace priorモデルと比較した。さらに,数値実験を行い,提案したアルゴリズムが,低い計算負荷と高い精度で未知のスパース信号を再構成するための優れた性能を達成できることを証明した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 正規分布 ,  モデル ,  アルゴリズム ,  *重みづけ ,  信号処理 ,  最尤法 ,  高速度 ,  再構成
準シソーラス用語： 数値実験 ,  加重 ,  スパース性 ,  Laplace分布 ,  モデルパラメータ ,  スパース表現 ,  *圧縮センシング , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayes圧縮センシング(BCS) ,  Bayes法 ,  再重み付けLaplace ,  スパースBayes学習 ,  スパース信号回復

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (2件)： 重み付け ,  圧縮センシング