文献

J-GLOBAL ID：201902220645167754   整理番号：19A1625972

圧縮センシングのための簡単なホモトピー近接マッピングアルゴリズム【JST・京大機械翻訳】

A simple homotopy proximal mapping algorithm for compressive sensing

著者 (5件)： Yang Tianbao (Department of Computer Science, University of Iowa, Iowa City, IA, USA) ,  Zhang Lijun (National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China) ,  Jin Rong (Alibaba Group, Seattle, WA, USA) ,  Zhu Shenghuo (Alibaba Group, Seattle, WA, USA) ,  Zhou Zhi-Hua (National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China)
資料名： Machine Learning  (Machine Learning)
巻： 108  号： 6  ページ： 1019-1056  発行年： 2019年 
JST資料番号： W2199A  ISSN： 0885-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,信号の(雑音性)線形測定からのスパース信号を再構成するための,あるいは,観測データからスパース線形モデルを学習するための新しい単純ホモトピー近接マッピングアルゴリズムを提案した。ここで,前者のタスクは圧縮センシングの分野でよく知られており,後者のタスクは統計と機械学習におけるモデル選択として知られている。アルゴリズムは各反復における[数式:原文を参照]ノルムの単純な近位マッピングを採用し,[数式:原文を参照]ノルムに対する正則化パラメータを徐々に低減する。3つの異なる設定(i)無雑音測定下でのスパース信号回復,および(iii)サブGauss雑音測定下での近スパース信号回復の下でスパース信号を回復するために,提案したホモトピー近接マッピング(HPM)アルゴリズムの大域的線形収束を証明した。特に,測定行列が制限された等尺性特性(RIP)を満たすとき,RIP定数に基づくパラメータの適切な設定による提案アルゴリズムの一つは,雑音レベルまでの最適解に線形に収束することを示した。さらに,設定(iii)において,提案したアルゴリズムの実用的な変種はRIP定数に依存せず,スパース信号回復に対する結果は,著者らの回復誤差限界が小さいという意味で以前の結果よりも優れている。さらに,著者らの解析は,より多くの観測がより正確な回復だけでなくより速い収束に導くことを明示的に示した。最後に,著者らの経験的研究は,提案したホモトピー近位マッピングアルゴリズムに対する更なるサポートを提供し,理論結果を検証した。Copyright 2018 The Author(s) Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 測定データ ,  線形性 ,  機械学習 ,  雑音 ,  *アルゴリズム ,  雑音測定 ,  再構成 ,  Gauss雑音 ,  ノルム ,  *ホモトピー
準シソーラス用語： 最適解 ,  疎信号回復 ,  スパース ,  スパース信号 ,  *圧縮センシング , 【Automatic Indexing@JST】

著者キーワード (4件)： 圧縮センシング ,  スパース信号回復 ,  近位マッピング ,  線形収束

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： 圧縮センシング ,  ホモトピー ,  マッピング ,  アルゴリズム