文献

J-GLOBAL ID：201902285722163784   整理番号：19A2405315

クラスタ化スパース信号の回復のための構造化Bayes学習【JST・京大機械翻訳】

Structured Bayesian learning for recovery of clustered sparse signal

著者 (5件)： Wang Lu (School of Electrical and Electronic Engineering, Nanyang Technological University, 638798, Singapore) ,  Zhao Lifan (School of Electrical and Electronic Engineering, Nanyang Technological University, 638798, Singapore) ,  Yu Lei (School of Electronic Information, Wuhan University, 430072, China) ,  Wang Jingjing (College of Physics and Electronic Science, Shandong Normal University, Jinan 250014, China) ,  Bi Guoan (School of Electrical and Electronic Engineering, Nanyang Technological University, 638798, Singapore)
資料名： Signal Processing  (Signal Processing)
巻： 166  ページ： Null  発行年： 2020年 
JST資料番号： A0102B  ISSN： 0165-1684  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,未知のサイズと位置のクラスタ構造を有するスパース信号を回復する問題を考察した。局所的連続性指標を導入することによってハイブリッド事前を提案し,それは固有データ構造に従ってスパース係数に関するクラスタ情報を適応的に課した。局所連続性指標は,完全パターン結合1と独立1の間のスパース係数に対する事前を柔軟に切り替えるので,スパース係数の推定は,その近傍の統計情報を選択的に用いることができる。変分Bayes推論を用いて,構築した確率モデリングに基づく隠れ変数を推定した。包括的シミュレーションと現実のデータ実験の数値結果は,提案したアルゴリズムが構造的不整合の問題を効果的に避けることができて,ノイズのある環境における他の最近報告されたクラスタ化スパース信号回復アルゴリズムより優れていることを実証した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *クラスタ化 ,  連続性 ,  Bayes推定 ,  アルゴリズム ,  変分法 ,  データ構造 ,  雑音 ,  不整合 ,  シミュレーション ,  計算機シミュレーション ,  *クラスタ
準シソーラス用語： 潜在変数 ,  統計情報 ,  *スパース ,  *Bayes学習 ,  *スパース信号 , 【Automatic Indexing@JST】

著者キーワード (4件)： クラスタスパース信号回復 ,  スパースBayes学習(SBL) ,  変分ベイズ推論 ,  構造化した事前

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： クラスタ化 ,  スパース信号 ,  回復 ,  構造化 ,  Bayes学習