限界への学習:生成的Cram’er-Rao限界【JST・京大機械翻訳】

Habi Hai Victor; Messer Hagit; Bresler Yoram

プレプリント

J-GLOBAL ID：202202202075000355 整理番号：22P0300345

限界への学習:生成的Cram’er-Rao限界【JST・京大機械翻訳】

Learning to Bound: A Generative Cram\'er-Rao Bound

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07日プレプリントサーバーでの情報更新日： 2022年10月09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)

Cram’er-Rao結合(CRB),任意の不偏パラメータ推定器の性能に関するよく知られた下限,を用いて,多様な問題を研究した。しかし,CRBを得るためには,パラメータを与える測定の尤度に対する解析的表現,あるいはデータに対する正確で明確な統計的モデルを必要とする。多くの応用において,そのようなモデルは利用できない。代わりに,本研究では,データ駆動法を用いてCRBを近似する新しい手法を導入し,解析統計モデルの必要条件を除去した。この手法は,複雑な高次元分布のモデリングにおける深層生成モデルの最近の成功に基づいている。学習した正規化フローモデルを用いて,測定の分布をモデル化し,CRBの近似を得て,それはGenerative Cra’er-Rao Bound(GCRB)と呼ぶ。簡単な問題に関する数値実験は,このアプローチを検証し,学習カメラノイズモデルによる画像雑音除去とエッジ検出の2つの画像処理タスクに関する実験は,その電力と利点を実証した。【JST・京大機械翻訳】

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

信号理論 , その他の情報処理

, ,

前のページに戻る