文献

J-GLOBAL ID：202102235292155586   整理番号：21A2580877

劣モジュラ関数学習のための深い圧縮センシング【JST・京大機械翻訳】

Deep Compressed Sensing for Learning Submodular Functions

著者 (2件)： Tsai Yu-Chung ,  Tseng Kuo-Shih
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 9  ページ： 2591  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： AIコミュニティは,それらの様々な応用(例えば,ターゲット探索と3Dマッピング)により,サブモジュール機能に注意を払っている。N集合の関数結果の数が2Nであるので,学習サブモジュール関数は挑戦課題である。最先端の手法は圧縮センシング技術に基づいており,それはFourierドメインにおけるサブモジュール関数を学習し,次に空間領域におけるサブモジュール関数を復元する。しかし,Fourier塩基の数は,重複検出の回数に関連する。この課題を克服するために,本研究では,サブモジュール関数を学習するためのサブモジュラ深圧縮センシング(SDCS)アプローチを提案した。アルゴリズムは,学習オートエンコーダネットワークとフーリエ係数から成る。学習されたネットワークを適用して,サブモジュール関数の2つのN値を予測した。このアプローチで行った実験は,アルゴリズムがベンチマーク手法よりも効率的であることを示した。Copyright 2021 The Author(s) 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 ,  *学習 ,  ネットワーク ,  コミュニティ ,  符号器 ,  N値 ,  ベンチマーク
準シソーラス用語： *圧縮センシング ,  三次元マッピング ,  *劣モジュラ関数 ,  Fourier係数 , 【Automatic Indexing@JST】

著者キーワード (4件)： サブモジュール性 ,  圧縮センシング ,  自動エンコーダ ,  深層学習

分類 (1件)： 通信網  (ND07030A)

引用文献 (32件)：

• Hollinger, G.; Choudhuri, C.; Mitra, U.; Sukhatme, G.S. Squared error distortion metrics for motion planning in robotic sensor networks. In Proceedings of the International Workshop Wireless Networking for Unmanned Autonomous Vehicles, Atlanta, GA, USA, 9-13 December 2013; pp. 1426-1431.
• Singh, A.; Krause, A.; Guestrin, C.; Kaiser, W.; Batalin, M. Efficient Planning of Informative Paths for Multiple Robots. IJCAI 2007, 7, 2204-2211.
• Tseng, K.S.; Mettler, B. Near-Optimal Probabilistic Search using Spatial Fourier Sparse Set. Auton. Robot. 2018, 42, 329-351.
• Nemhauser, G.L.; Wolsey, L.A.; Fisher, M.L. An analysis of approximations for maximizing submodular set functions. Math. Program. 1978, 14, 265-294.
• Khuller, S.; Moss, A.; Naor, J. The budgeted maximum coverage problem. Inf. Process. Lett. 1999, 70, 39-45.

タイトルに関連する用語 (3件)： 劣モジュラ関数 ,  学習 ,  圧縮センシング