文献

J-GLOBAL ID：202002251520380348   整理番号：20A1093654

多重時間解像度グラフ学習

Multiresolutional graph learning

著者 (2件)： YAMADA Koki (Tokyo Univ. Agriculture and Technol., Tokyo, JPN) ,  TANAKA Yuichi (Tokyo Univ. Agriculture and Technol., Tokyo, JPN)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 440(SIP2019 103-169)  ページ： 367-372  発行年： 2020年02月24日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本稿では,多変量時系列信号から多重時間解像度のグラフを学習する手法を提案する.提案法では,重複なしの時間窓により分割された時系列データからグラフを推定する.この時間窓の幅を変えることで,様々な時間解像度のグラフを学習できる.提案法は低解像度のグラフから順に推定する.グラフを推定する際に,推定済みの低解像度のグラフの情報を利用することで,精度よく多重解像度のグラフを推定することに成功した.実験では,シミュレーションデータを用い,提案法の有効性を示した.(著者抄録)

シソーラス用語： *信号処理 ,  グラフ ,  *学習 ,  *時間分解能 ,  最適化問題 ,  可視化 ,  多目的計画法 ,  シミュレーション
準シソーラス用語： *グラフ信号処理 ,  *グラフ学習 ,  多重時間解像度 ,  多目的最適化問題

分類 (2件)： 信号理論  (ND02020G) ,  グラフ理論基礎  (IA02020S)

引用文献 (17件)：

• D. I. Shuman, S. K. Narang, P. Frossard, A. Ortega, and P. Vandergheynst,“The emerging field of signal processing on graphs: Extending high-dimensional data analysis to networks and other irregular domains,” IEEE Signal Process. Mag., vol. 30, no. 3, pp. 83-98, 2013.
• D. K. Hammond, P. Vandergheynst, and R. Gribonval, “Wavelets on graphs via spectral graph theory,” Appl. Comput. Harmon. Anal., vol. 30, no. 2, pp. 129-150, 2011.
• A. Ortega, P. Frossard, J. Kovačević, J. M. F. Moura, and P. Vandergheynst,“Graph signal processing: Overview, challenges, and applications,” Proc. IEEE, vol. 106, no. 5, pp. 808-828, 2018.
• W. Huang, L. Goldsberry, N. F. Wymbs, S. T. Grafton, D. S. Bassett, and A. Ribeiro,“Graph frequency analysis of brain signals,” IEEE J. Sel. Top. Signal Process., vol. 10, no. 7, pp. 1189-1203, 2016.
• S. Ono, I. Yamada, and I. Kumazawa,“Total generalized variation for graph signals,” in Proc. IEEE Int. Conf. Acoust. Speech. Signal Process., 2015, pp. 5456-5460.

タイトルに関連する用語 (4件)： 多重 ,  解像度 ,  グラフ ,  学習