時系列のためのスパースグループLog-Sumペナルティ化グラフィカルモデル学習【JST・京大機械翻訳】

Tugnait Jitendra K

プレプリント

J-GLOBAL ID：202202206037307663 整理番号：22P0340739

時系列のためのスパースグループLog-Sumペナルティ化グラフィカルモデル学習【JST・京大機械翻訳】

Sparse-Group Log-Sum Penalized Graphical Model Learning For Time Series

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 (1件)：
資料名：
発行年： 2022年04月28日プレプリントサーバーでの情報更新日： 2022年04月28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)

高次元定常多変量Gauss時系列の条件付き独立グラフ(CIG)を与える問題を考察した。問題のスパースグループラッソベースの周波数領域定式化を,データのスパース逆パワースペクトル密度(PSD)の推定を目的とする文献において考察した。次に,CIGを推定逆PSDから推定した。本論文では,スパースグループラッソペナルティの代わりにスパースグループログ和ペナルティ(LSP)の使用を検討した。非凸問題の反復最適化のための乗算器(ADMM)アプローチの交互方向法を示した。真の値に対する逆PSD推定量のFrobeniusノルムにおける局所収束のための十分条件を提供した。この結果はまた,収束率をもたらした。このアプローチを,合成データと実データの両方を利用した数値例を用いて説明した。【JST・京大機械翻訳】

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

信号理論 , 数理計画法 , 生体計測

, , , ,

前のページに戻る