文献

J-GLOBAL ID：201802244813665936   整理番号：18A2163696

解析辞書学習と収束解析のための近接交互最小化【JST・京大機械翻訳】

Proximal Alternating Minimization for Analysis Dictionary Learning and Convergence Analysis

著者 (5件)： Li Zhenni (Guangdong Key Laboratory of IoT Information Technology, School of Automation, Guangdong University of Technology, Guangzhou, China) ,  Ding Shuxue (Faculty of Computer Science and Engineering, University of Aizu, Aizu-Wakamatsu-shi, Japan) ,  Chen Wuhui (School of Data and Computer Science, Sun Yat-sen University, Guangzhou, China) ,  Yang Zuyuan (Guangdong Key Laboratory of IoT Information Technology, School of Automation, Guangdong University of Technology, Guangzhou, China) ,  Xie Shengli (Guangdong Key Laboratory of IoT Information Technology, School of Automation, Guangdong University of Technology, Guangzhou, China)
資料名： IEEE Transactions on Emerging Topics in Computational Intelligence  (IEEE Transactions on Emerging Topics in Computational Intelligence)
巻： 2  号： 6  ページ： 439-449  発行年： 2018年 
JST資料番号： W2473A  ISSN： 2471-285X  資料種別： 逐次刊行物 (A)
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： スパース解析モデルは,最近出現したスパース合成モデルへの代替手法である。スパース解析モデルに基づくほとんどの解析辞書学習問題は,困難な非平滑で非凸最適化問題のクラスを解くことを必要とする。これらの問題を解決するために多くの数値法が開発されているにもかかわらず,経験的に高速であるだけでなく,数学的に強い収束を保証する数値法を見出すための未解決の問題が残っている。本論文では,l_1ノルムよりも解におけるより強いスパース性を促進するために,正規化器として非平滑および非凸l_1/2ノルムを用い,次に非凸および非平滑問題を解くための近接交互最小化スキームを用いて,効率的で高速なアルゴリズムを導いた。さらに重要なことに,厳密な収束解析により,提案した方法は大域的収束特性を満足することを示した。反復の全シーケンスは収束し,臨界点に収束した。提案したアルゴリズムは,解析スパース符号化段階と解析辞書更新段階の2つの段階を持っている。理論的健全性の他に,提案方法の実用的利益を,合成および実世界データによって検証した。実験は,提案方法が最先端のアルゴリズムと比較してより速い収束によってより良い結果を達成することを示した。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： 凸形 ,  解析モデル ,  高速度 ,  アルゴリズム ,  *ノルム ,  健全性 ,  モデル ,  正規化 ,  スパースコーディング
準シソーラス用語： 最先端 ,  スパース性 ,  非平滑 ,  スパース ,  *収束解析 ,  *辞書学習 , 【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 (4件)： 解析 ,  辞書学習 ,  収束解析 ,  最小化