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。
高次元データのスナップショットを推定するセンサの最適集合の選択問題を考察した。最適設計の種々の基準に基づく目的関数を欲張り法に採用し,D-最適性,A-最適性,およびE-最適性,そしてそれは,それぞれ,決定要因を最大化し,逆のトレースを最小化し,Fisher情報行列の最小固有値を最大化した。最初に,Fisher情報行列を,潜在状態変数とセンサ数に依存して導いた。次に,A最適性に基づく目的関数の統一定式化を導入し,そして, greedy欲法の性能に関する下限を提供する部分モジュールであることを証明した。次に,D-,A-,およびE-最適性に基づく greedy欲法を,ランダムに生成されたシステムとグローバル気候の実用的データセットに適用した。D-最適目的関数によって選択したセンサは,A-およびE-最適性よりも,A-およびE-最適性によるものより良好に動作し,一方,A-最適性によるものは,最小固有値に関して最良であった。一方,E-最適目的関数によって選択したセンサの性能は,すべての指標と再構成誤差に対して悪い。これは,本論文で証明されたように,サブモジュラリティの欠如のためであろう。結果は,D最適性に基づく greedy欲法が,低い計算コストで高精度再構成に最も適していることを示した。【JST・京大機械翻訳】