文献

J-GLOBAL ID：202002232536690647   整理番号：20A2551407

機械学習のためのグラフ信号処理:レビューと新展望【JST・京大機械翻訳】

Graph Signal Processing for Machine Learning: A Review and New Perspectives

著者 (5件)： Dong Xiaowen (Engineering Science, University of Oxford, Oxford, United Kingdom) ,  Thanou Dorina (EPFL, Lausanne, Switzerland) ,  Toni Laura (Electronic and Electrical Engineering, University College London, London, United Kingdom) ,  Bronstein Michael (Imperial College London, London, London, United Kingdom) ,  Frossard Pascal (Signal Processing Laboratory, Lausanne, Switzerland)
資料名： IEEE Signal Processing Magazine  (IEEE Signal Processing Magazine)
巻： 37  号： 6  ページ： 117-127  発行年： 2020年 
JST資料番号： H0928A  ISSN： 1053-5888  CODEN： ISPRE6  資料種別： 逐次刊行物 (A)
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： 大規模構造化データの効果的表現,処理,解析,および可視化,特にネットワークやグラフのような複雑なドメインに関連するものは,現代の機械学習における重要質問の1つである。グラフ信号処理(GSP),信号処理モデルおよびグラフにサポートされたデータ処理を狙ったアルゴリズム,のバイブラントブランチは,この課題に取り組むための研究の新しい経路を切り開く。本論文では,GSP概念とグラフフィルタや変換のようなツールによってなされたいくつかの重要な貢献を,新しい機械学習アルゴリズムの開発に対してレビューする。特に,著者らの議論は次の3つの側面に焦点を当てる:データ構造と関係の事前,データおよび計算効率の改善,およびモデル解釈可能性の強化。さらに,著者らは,1つの側面と機械学習とネットワーク科学に関する応用数学と信号処理の間のブリッジとして機能するかもしれないGSP技術の将来開発に関する新しい展望を提供した。これらの異なる分野にわたる交差受精は,現代の年齢における複雑なデータ解析の多くの課題をロックするのを助けるかもしれない。Copyright 2020 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： アルゴリズム ,  フィルタ ,  データ構造 ,  ネットワーク ,  *信号処理 ,  受精 ,  可視化 ,  データ解析 ,  データ処理 ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： 計算効率 ,  構造化データ , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  通信網  (ND07030A)

タイトルに関連する用語 (5件)： 機械学習 ,  グラフ ,  信号処理 ,  レビュー ,  展望