Bayes LARS-OLSによるスペクトル分解

MOTOTAKE Yoh-ichi; IGARASHI Yasuhiko; IGARASHI Yasuhiko; IGARASHI Yasuhiko; TAKENAKA Hikaru; NAGATA Kenji; NAGATA Kenji; OKADA Masato; OKADA Masato

文献

J-GLOBAL ID：201802289209252255 整理番号：18A2052484

Bayes LARS-OLSによるスペクトル分解

Spectral Deconvolution through Bayesian LARS-OLS

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A2052484&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A2052484&from=J-GLOBAL&jstjournalNo=G0509A") }}

著者 (9件)： , , , , , , , ,
資料名：
巻： 87 号： 11 ページ： 114004.1-114004.8 発行年： 2018年11月15日
JST資料番号： G0509A ISSN： 0031-9015 CODEN： JUPSA 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：英語 (EN)

スペクトル分解は,単一モード基底関数の和にスペクトルデータをフィッティングする方法である。それは,ピーク位置又は強度のようなスペクトル情報を推定するためにしばしば用いられる。最近,複雑なスペクトルデータの分解を達成したBayes推定に基づくスペクトル分解法が提案された。しかしながら,スペクトルモデルパラメータの数が増加すると,Bayesスペクトル分解の計算コストが著しく増加する。この困難を克服するため,L1正則化ベクトルマシン(L1VM)を用いた高速スペクトル分解法を開発したが,それはBayesスペクトル分解と同じ精度でピークパラメータを推測することができなかった。著者らは,2つのスペクトル分解法,すなわちBayes LARS-OLSスペクトル分解及びLARS-OLSスペクトル分解を提案した。これら両方ともスペクトル分解の手順を2つのステップに分割する:それは基底探索と回帰である。人工スペクトルデータを用いて,著者らは著者らの提案した方法の推定精度がBayesスペクトル分解に匹敵し,そして提案した方法の計算コストがL1VMスペクトル分解及びBayesスペクトル分解のそれよりも低いことを実証した。著者らは,また提案した方法を互いに比較し,そしてBayes LARS-OLSスペクトル分解のモデル推定安定性が,LARS-OLSスペクトル分解のものより高いことを示した。(翻訳著者抄録)

, , , , , , , , , , , , ,
,

物理実験技術一般 , 統計学

引用文献 (16件)：

J. M. Sunshine, C. M. Pieters, and S. F. Pratt, J. Geophys. Res. 95, 6955 (1990).
G. C. Allen and R. F. McMeeking, Anal. Chim. Acta 103, 73 (1978).
K. Nagata, S. Sugita, and M. Okada, Neural Networks 28, 82 (2012).
K. Hukushima and K. Nemoto, J. Phys. Soc. Jpn. 65, 1604 (1996).
S. Tokuda, K. Nagata, and M. Okada, J. Phys. Soc. Jpn. 86, 024001 (2017).

前のページに戻る