抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】