圧縮測定からの共分散と因果グラフの優先回復のための密度進化フレームワーク【JST・京大機械翻訳】

Sethuraman Muralikrishnna G.; Zhang Hang; Fekri Faramarz

プレプリント

J-GLOBAL ID：202202200309797497 整理番号：22P0306286

圧縮測定からの共分散と因果グラフの優先回復のための密度進化フレームワーク【JST・京大機械翻訳】

A Density Evolution framework for Preferential Recovery of Covariance and Causal Graphs from Compressed Measurements

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月17日プレプリントサーバーでの情報更新日： 2022年11月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,y=A_x+nの圧縮測定からのスパース共分散行列の推定のために,y,n≡R ̄d,およびx≡R ̄pのスパース共分散行列の推定のために,センシング行列A≡R ̄d×pを設計するための一般的フレームワークを提案した。メッセージ通過アルゴリズムを通して因子グラフ上の推論として共分散回復を見ることによって,Density進化(DE)のような符号化理論からのアイデアを,センシングマトリックスの設計のためのフレームワークを構築するために利用した。提案したフレームワークは,(1)規則的センシング,即ち,共分散のすべてのエントリに等しく重要度が与えられ,(2)優先センシング,すなわち,共分散行列の一部により高い重要性を与えることができる。実験を通して,著者らは,密度進化によって設計したセンシングマトリックスが,規則的センシングパラダイムにおける共分散回復のための最先端技術に整合し,そして,優先センシング領域において,改善された性能を達成することを示した。さらに,圧縮測定から得られた推定共分散行列を用いた因果グラフ構造回復の実現可能性を研究した。【JST・京大機械翻訳】

, , , , ,
, , , , , 【Automatic Indexing@JST】

信号理論

, , , , ,

前のページに戻る