再構成のためのデータ駆動スパースセンサ配置【JST・京大機械翻訳】

Manohar Krithika; Brunton Bingni W.; Kutz J. Nathan; Brunton Steven L.

プレプリント

J-GLOBAL ID：202202206945663415 整理番号：22P0039846

再構成のためのデータ駆動スパースセンサ配置【JST・京大機械翻訳】

Data-Driven Sparse Sensor Placement for Reconstruction

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 (4件)： , , ,
資料名：
発行年： 2017年01月25日プレプリントサーバーでの情報更新日： 2017年08月18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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

最適センサ配置は,高次元システムの設計,予測,推定および制御における中心的課題である。高次元状態は,潜在的低次元表現をしばしば利用することができ,この固有圧縮性は,スパースセンシングを可能にする。本論文では,訓練データから抽出した特徴の調整されたライブラリに基づく信号再構成のための最適化センサ配置を検討した。スパース点センサを特異値分解とQRピボッティングを用いて発見し,それは現代の線形次元縮小を支える2つのユビキタス行列計算である。調整された基底におけるスパースセンシングは圧縮センシングと対比され,未知信号が普遍的な基底でスパース表現を介して再構成される普遍的な信号回復法である。圧縮センシングはより広いクラスの信号を回復することができるが,最適化センシングによるデータにおいて既知のパターンを利用する利点を実証した。特に,センサの必要な数の大幅な減少と改善された再構成が,顔画像から流体渦度場までの例で観察された。センサは,センサが高価で,低待ち時間,高帯域幅制御のための高速状態推定を提供するとき,決定的に可能であろう。MATLABコードをすべての例に対して提供した。【JST・京大機械翻訳】

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

信号理論

, ,

前のページに戻る