線形逆問題における教師なし学習のためのセンシング定理【JST・京大機械翻訳】

Tachella Julian; Chen Dongdong; Davies Mike

プレプリント

J-GLOBAL ID：202202203273576846 整理番号：22P0309163

線形逆問題における教師なし学習のためのセンシング定理【JST・京大機械翻訳】

Sensing Theorems for Unsupervised Learning in Linear Inverse Problems

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23日プレプリントサーバーでの情報更新日： 2022年10月11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)

不良設定線形逆問題の解決は,基礎となる信号モデルに関する知識を必要とする。多くのアプリケーションにおいて,このモデルは先験的に未知であり,データから学習しなければならない。しかし,オペレータのヌル空間における信号モデルに関する情報がないので,単一不完全測定オペレータを通して得られた観測を用いてモデルを学ぶことは不可能であり,ニワトリと卵の問題をもたらすが,再構成された信号を必要とするが,信号を再構築するためには,モデルを知る必要がある。この限界を克服するための2つの方法は,複数の測定演算子を用いて,信号モデルが特定のグループ行動に不変であると仮定する。本論文では,測定データのみから信号モデルを学習するための必要かつ十分なセンシング条件を提示し,それはモデルの次元と,モデルが不変であるグループ行動の演算子または特性に依存するだけであった。学習アルゴリズムの診断は,不完全データからの学習の基本的限界に光を投げ,辞書学習,行列完成,および深層ニューラルネットワークのような広範囲の実用的アルゴリズムに意味がある。【JST・京大機械翻訳】

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

信号理論 , 図形・画像処理一般

, , , ,

前のページに戻る