文献

J-GLOBAL ID：202202274427199275   整理番号：22A0913638

ランダムFourier特徴を用いたグラフ上のカーネル回帰【JST・京大機械翻訳】

Kernel Regression Over Graphs Using Random Fourier Features

著者 (4件)： Elias Vitor Rosa Meireles (Norwegian University of Science and Technology, Trondheim, Norway) ,  Gogineni Vinay Chakravarthi (Norwegian University of Science and Technology, Trondheim, Norway) ,  Martins Wallace A. (University of Luxembourg, Luxembourg) ,  Werner Stefan (Norwegian University of Science and Technology, Trondheim, Norway)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 70  ページ： 936-949  発行年： 2022年 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  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： 本論文では,グラフ(KRG)上のカーネル回帰のための効率的なバッチベースおよびオンライン戦略を提案した。提案アルゴリズムはグラフ信号である入力信号を必要としないが,ターゲット信号はグラフ上で定義される。最初に,ランダムFourier特徴(RFF)を用いて,従来のKRGで用いられるカーネル法に関連した複雑性問題に取り組んだ。バッチベースアプローチでは,大きな行列の反転を回避することにより計算量を低減する実装も提案した。次に,RFF,すなわちミニバッチ勾配KRG(MGKRG)と再帰的最小二乗KRG(RLSKRG)を用いて2つの異なるオンライン戦略を導いた。確率的勾配KRG(SGKRG)をMGKRGの特殊ケースとして導入した。MGKRGとSGKRGは,回帰パラメータ更新における確率的勾配近似を用いる低複雑性アルゴリズムである。RLSKRGはRFFベースバッチKRGの再帰的実装である。詳細安定性解析を,平均および平均自乗感覚における収束条件を含む,提案したオンラインアルゴリズムに対して提供した。複雑性に関する議論も提供した。数値シミュレーションは,温度予測,脳活動推定,および画像再構成に関する合成データ実験と実データ実験を含む。結果は,RFFベースのバッチ実装が,従来のKRGと比較して,減少した計算負荷で競合性能を提供することを示した。MGKRGはミニバッチ試料の数を変えることによって性能と複雑性の間の便利なトレードオフを提供する。RLSKRGはMGKRGよりも収束が速く,バッチ実装の性能に整合する。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 ,  最小二乗法 ,  シミュレーション ,  ターゲット ,  安定性解析 ,  近似法 ,  計算量 ,  画像再構成
準シソーラス用語： 数値シミュレーション ,  オンラインアルゴリズム ,  Kernel法 ,  計算負荷 ,  オンライン ,  脳活動 ,  *カーネル回帰 ,  入力信号 , 【Automatic Indexing@JST】

分類 (3件)： 統計学  (AB08000H) ,  信号理論  (ND02020G) ,  数値計算  (JE02000J)

タイトルに関連する用語 (2件)： グラフ ,  カーネル回帰