文献

J-GLOBAL ID：202102212865928592   整理番号：21A3409755

部分集合に基づくエラー回復【JST・京大機械翻訳】

Subset based error recovery

著者 (3件)： Ekmekcioglu OEmer (Bilkent University Ankara 06800, Turkey) ,  Akkaya Deniz (Bilkent University Ankara 06800, Turkey) ,  Pinar Mustafa C. (Bilkent University Ankara 06800, Turkey)
資料名： Signal Processing  (Signal Processing)
巻： 191  ページ： Null  発行年： 2022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： 回復のための理論的保証を与えるため,制約付きアイソメトリック特性(RIP)を保存するためのJohnson-Lインデンstraus Lemma(JL)の使用を可能にする極端学習機械(ELM)構造を用いたデータ雑音除去法を提案した。さらに,提案手法は,提案した雑音除去アルゴリズムから暗黙的に利益を得るロバストな2層ELMと同等であることを示した。文献における現在のロバストELM法は,Huber損失のようなロバスト損失関数の使用と同様に,よく研究されたL1,L2正則化技術を含む。ロバスト回帰文献に関する最近の解析を,より一般的で非線形の設定で効果的に利用し,ニューラルネットワーク(NN)のような任意のMLアルゴリズムに適合するように拡張した。これらの方法は,観測が重雑音の影響を受けるシナリオの下で有用である。MLアルゴリズムに依存しない一般的データ雑音除去法としてELMの使用を拡張した。雑音除去と正則化ELM法の試験を,合成データと実データの両方で行った。提案手法は,ほとんどのシナリオに対して,その競争者よりも良好に機能し,雑音のほとんどを除去することに成功した。Copyright 2021 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： アルゴリズム ,  *雑音 ,  損失関数 ,  ネットワーク ,  ニューラルネットワーク ,  学習機械 ,  正則化 ,  ロバスト性 ,  雑音除去
準シソーラス用語： 二層 ,  ロバスト回帰 ,  極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (5件)： ロバストなネットワーク ,  極限学習機械 ,  スパース回復 ,  正則化 ,  ハード閾値化

分類 (4件)： 信号理論  (ND02020G) ,  図形・画像処理一般  (JE04010I) ,  無線通信一般  (ND08010L) ,  ディジタルフィルタ  (NC04022Z)

タイトルに関連する用語 (3件)： 部分集合 ,  エラー ,  回復