文献

J-GLOBAL ID：202202229297153897   整理番号：22A0977705

空間平滑性とグループスパース性正則化によるマルチタスク学習STAP【JST・京大機械翻訳】

Multi-Task Learning STAP via Spatial Smoothness and Group Sparsity Regularizations

著者 (4件)： Qin Lilong (College of Electronic Engineering, National University of Defense Technology, Hefei, China) ,  Tang Bo (College of Electronic Engineering, National University of Defense Technology, Hefei, China) ,  Wang Hai (College of Electronic Engineering, National University of Defense Technology, Hefei, China) ,  Huang Zhongrui (College of Electronic Engineering, National University of Defense Technology, Hefei, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 28004-28013  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 実用的応用では,限られた独立かつ同一分布訓練スナップショットは,特に非均一環境において,時空適応処理(STAP)において重大な課題をもたらす。関連するSTAPタスク間の重みベクトルの有意な空間平滑性とスパース性共通性によって動機づけられて,著者らはマルチタスク学習に基づく新しいSTAPアルゴリズムを提案した。提案したアルゴリズムにおいて,関心の隣接範囲ビンに対応する重みベクトルは一貫性を保ち,すべての重みベクトルは共通の特徴を共有するために制約される。次に,乗算器の交互方向法(ADMM)を用いて提案アルゴリズムを解き,アルゴリズムの収束を保証した。さらに,特徴行列が未知である場合,または,より良い特徴行列を学習するので,STAPタスク間の関係を強化できるように,著者らは,特徴マトリックスと重み行列を共同最適化するために,提案したアルゴリズムの拡張も提供する。シミュレーション結果は,提案した戦略の有効性を実証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  シミュレーション ,  ベクトル ,  乗算器 ,  *信号処理 ,  適応 ,  空間 ,  *正則化 ,  *性質 ,  有効性 ,  *機械学習 ,  平滑度
準シソーラス用語： *スパース性 ,  *STAP ,  共通性 ,  スナップショット ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 平滑性 ,  グループ ,  スパース性 ,  正則化 ,  マルチタスク学習 ,  STAP