文献

J-GLOBAL ID：201802270947527689   整理番号：18A0518681

グラフFourier変換の高速実行のためのグラフラプラシアン行列学習法【Powered by NICT】

A graph laplacian matrix learning method for fast implementation of graph fourier transform

著者 (2件)： Lu Keng-Shih (Department of Electrical Engineering, University of Southern California, Los Angeles, USA) ,  Ortega Antonio (Department of Electrical Engineering, University of Southern California, Los Angeles, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 1677-1681  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： 本論文では,高速グラフFourier変換のための効率的なグラフ学習アプローチを提案した。グラフLaplace行列の行列因数分解に基づく追加の制約下での最大尤度問題を考察し,その固有行列をブロック対角行列と蝶形行列の積である。はこの問題の特別な場合は,あるグラフ対称性を強制する制約をもつ学習問題に帰着することを示した。,いかなる対称性制約を施行せず一般問題のための効率的な近似法を提供する。ビデオ圧縮における予測残差ブロックのための高速非分離変換を設計するためにこの方法を用いた。得られた変換は,2D DCTとハイブリッドDCT/ADST変換よりも優れたレート歪性能を達成した。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： 最尤法 ,  予測 ,  *Fourier変換 ,  *学習 ,  残差 ,  二次元 ,  近似法 ,  *高速度 ,  対称性
準シソーラス用語： レート歪 ,  ビデオ圧縮 ,  対角行列 ,  行列因数分解 ,  *グラフラプラシアン , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： グラフ ,  Fourier変換 ,  ラプラシアン行列