文献

J-GLOBAL ID：201802230602080703   整理番号：18A2028408

構造化辞書学習のための高速交互最小化の解析【JST・京大機械翻訳】

Analysis of Fast Alternating Minimization for Structured Dictionary Learning

著者 (3件)： Ravishankar Saiprasad (Department of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI, 48109, USA) ,  Ma Anna (Institute of Mathematical Sciences Claremont Graduate University, CA, 91711, USA) ,  needell Deanna (Department of Mathematics, University of California, Los Angeles, CA, 90095, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ITA  ページ： 1-9  発行年： 2018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： スパース性を利用する方法は,圧縮,雑音除去および画像逆問題を含む画像処理および信号処理応用において人気がある。辞書学習のようなデータ駆動アプローチは,データセットから複雑な画像特徴を発見することを可能にし,解析モデルよりも有望な性能を提供する。交互最小化アルゴリズムは,特に辞書と変換学習において人気がある。本研究では,構造化(ユニタリー)スパース化演算子学習のための交互最小化の性質を研究した。このアルゴリズムは一般的に非凸問題の定常点に収束するが,穏やかな仮定の下での基礎となる生成モデルへの局所線形収束を証明した。著者らの実験は,ユニタリー演算子学習アルゴリズムが初期化にロバストであることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習アルゴリズム ,  信号処理 ,  解析モデル ,  画像処理 ,  凸形 ,  雑音除去 ,  画像特性 ,  *高速度 ,  *学習 ,  アルゴリズム ,  逆問題 ,  ロバスト性 ,  画像 ,  *構造形成
準シソーラス用語： *辞書学習 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 構造化 ,  辞書学習 ,  最小化 ,  解析