文献

J-GLOBAL ID：201802268757674320   整理番号：18A0160337

l_0正則化を介したロバストな線形回帰【Powered by NICT】

Robust Linear Regression via $¥ell_0$ Regularization

著者 (3件)： Liu Jing (Department of Electrical and Computer Engineering, University of California, San Diego, CA, USA) ,  Cosman Pamela C. (Department of Electrical and Computer Engineering, University of California, San Diego, CA, USA) ,  Rao Bhaskar D. (Department of Electrical and Computer Engineering, University of California, San Diego, CA, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 66  号： 3  ページ： 698-713  発行年： 2018年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  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： 異常値の支援が事前に知られていないとして異常値の存在下での線形回帰は重要な問題であり,挑戦的である。多くのロバスト推定量は,異常値は少ないと仮定して明確にあるいは暗示的にによってこの問題を解決し,大きな観測誤差を生じる。異常値のスパース性をモデル化するl_0-「ノルム」正則化を用いた新しい目的関数を用いたロバスト異常値支援同定(AROSI)のためのアルゴリズムを提案した。最適化手法は,異常値の大きな観測誤差仮定を利用する自然と直接l_0-上で動作する「ノルム」と収束することが保証されている。のみスパースな外れ値が存在する場合(密な内座層雑音)は,ある種のモデルとアルゴリズムパラメータ設定の下で,AROSIは溶液を回収正確にできることを示さなかった。症例では,高密度内座層雑音とスパースな外れ値の両方が存在する,推定誤差は,境界があることを証明した。最先端技術による手法と広範な経験的比較は,提案した方法の利点を実証した。Copyright 2018 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： アルゴリズム ,  *正則化 ,  最適化手法 ,  目的関数 ,  雑音 ,  異常値 ,  ノルム ,  *ロバスト性 ,  モデリング
準シソーラス用語： 最先端技術 ,  推定誤差 ,  高密度 ,  スパース性 ,  観測誤差 ,  *線形回帰 , 【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)： 正則化 ,  ロバスト ,  線形回帰