修正Newton-Raphsonアルゴリズムによる多重ペナルティ化最小二乗と符号制約:EEGソースイメージングへの応用【JST・京大機械翻訳】

Vega-Hernandez Mayrim; Sanchez-Bornot Jose M.; Lage-Castellanos Agustin; Perez-Hidalgo-Gato Jhoanna; Palmero-Ledon Dario; Alvarez-Iglesias Jose E.; Garcia-Agustin Daysi; Martinez-Montes Eduardo; Valdes-Sosa Pedro A.

プレプリント

J-GLOBAL ID：202202219396771957 整理番号：21P0019208

修正Newton-Raphsonアルゴリズムによる多重ペナルティ化最小二乗と符号制約:EEGソースイメージングへの応用【JST・京大機械翻訳】

Multiple penalized least squares and sign constraints with modified Newton-Raphson algorithms: application to EEG source imaging

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 (9件)： , , , , , , , ,
資料名：
発行年： 2019年11月05日プレプリントサーバーでの情報更新日： 2021年08月24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)

多重ペナルティ最小二乗(MPLS)モデルは,同時にスパースで滑らかに要求される適応最小二乗解を見つけるための柔軟なアプローチである。これは,電気生理学源イメージングのようなグランドトルースが利用できない実際の逆問題に対処する場合に特に重要である。本研究では,一般的なMPLSモデルを推定するために修正Newton-Raphson(MNR)アルゴリズムを定式化し,選択した特徴(AMNR)の活性集合上で効率的な最適化を行うための拡張を提案した。このアルゴリズムは,符号制約を含む多重制約で連続的に異なる目的関数を最小化するのに使用できる。これらのアルゴリズムが,モデル仮定に対処しない模擬シナリオにおいて,また低いn/p比に対して許容できる再構成を持つ解を提供することを示した。次に,複数のペナルティを有する異なる脳波(EEG)逆モデルを推定するために両方のアルゴリズムを使用した。また,AMNRが,Smooth Garrote and Smooth LASSOの非負バージョンのようなEEG逆問題コンテキストにおける新しいモデルの推定を可能にすることを示した。合成データをここで提案した2つのアルゴリズムおよび最小角度回帰(LARS)アルゴリズムを用いて求めた解間の比較のために,よく知られた品質尺度に従って使用した。健常若年者からの視覚イベント関連EEGと,活動高齢者における認知老化と歩行速度低下の間の関係に関する静止状態EEG研究を用い,実際の実験データの分析において提案した方法の有用性を説明した。【JST・京大機械翻訳】

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

信号理論

, , , , , , , , ,

前のページに戻る