文献

J-GLOBAL ID：201902268642116586   整理番号：19A1488201

高次元複素Gaussグラフモデル選択のためのグラフィカルLasso【JST・京大機械翻訳】

Graphical Lasso for High-dimensional Complex Gaussian Graphical Model Selection

著者 (1件)： Tugnait Jitendra K. (Department of Electrical & Computer Engineering, Auburn University, Auburn, AL, 36849, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 2952-2956  発行年： 2019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： 著者らは,適切で不適切な,複素数値,高次元多変量Gaussベクトルの条件付き独立グラフ(CIG)を推定する問題を考察した。グラフのエッジ集合により制約された条件付き独立制約に従う複雑なGauss分布の族として,pベクトルを有する無有向グラフグラフに関連するp-変量複素Gaussグラフモデル(CGGM)を定義した。実際のランダムベクトルに対しては,適切な複雑なGaussグラフモデル(PCGGMs)上のそれはスパースであるが,ICGGMs上のそれは存在しない。本論文において,著者らは,PCGGMsとICGGMsの両方のためのグラフィカルなラッシュベースのペナルティ化対数尤度アプローチを提示して,交互の最小化アルゴリズムを目的関数を最適化するために用いた。数値例は,提案したアルゴリズムを例示した。Copyright 2019 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： 複素数 ,  有向グラフ ,  *高次元 ,  目的関数 ,  正規分布 ,  アルゴリズム ,  最適化 ,  ベクトル ,  ペナルティ
準シソーラス用語： 対数尤度 ,  スパース ,  多変量 ,  *グラフモデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 高次元 ,  グラフモデル