文献

J-GLOBAL ID：201802247251833173   整理番号：18A1147947

圧縮センシングスパース回復のための遺伝的アルゴリズム【JST・京大機械翻訳】

A genetic algorithm for compressive sensing sparse recovery

著者 (2件)： Conde Miguel Heredia (Center for Sensorsystems (ZESS), University of Siegen, Paul-Bonatz-Stras&e 9-11, 57076 Siegen, Germany) ,  Loffeld Otmar (Center for Sensorsystems (ZESS), University of Siegen, Paul-Bonatz-Stras&e 9-11, 57076 Siegen, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISSPIT  ページ： 106-111  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)理論の出現により,センサにより生成されるデータの量,従来のサンプリング理論が示唆するように,センサにより生成されるデータの量,所望のセンサ帯域幅よりもむしろ情報量にリンクする可能性が開かれた。その結果,典型的なCSシナリオにおいて,1つは2,3の測定のセットで終わり,挑戦は,その次元が測定の数よりもはるかに高い信号を回復することである。これは,典型的にはスパースであるという仮定の下にある。従って,一つの面は制約されたl_0最小化問題である。本質的に普遍的であるにもかかわらず,最低のloノルムを持つ解の発見はNP困難であることが知られている。本研究では,解に近づく性質を模倣することを提案した。より具体的には,生物学的システムの進化のルールに基づいているにもかかわらず,遺伝的アルゴリズム(GA)を設計し,著者らの特定の問題に完全に適合させた。遺伝学から用語を採用して,著者らの染色体は,関連する制限された支持時間解を用いて,異なるサポート構成の表現である。各染色体の適合性を関連溶液の再投影誤差の観点から測定した。適合関数にl_0またはl_1正則化器を明示的に加えるよりも,サポート集合重なりに基づく一般化交差戦略によりスパース性要求を扱った。著者らは,提案したアルゴリズムが,実行時間におけるコストなしで,l_2再構成誤差に関して,CS制約l_0最小化を解決するために,一般的多目的GA NSGA-IIより優れていることを示した。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： NP困難 ,  センサ ,  ノルム ,  *アルゴリズム ,  正則化 ,  情報量 ,  再構成 ,  帯域幅 ,  適応性 ,  染色体 ,  *遺伝的アルゴリズム ,  最小化問題
準シソーラス用語： 多目的遺伝的アルゴリズム ,  スパース性 ,  *圧縮センシング , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (3件)： 圧縮センシング ,  スパース回復 ,  遺伝的アルゴリズム