文献

J-GLOBAL ID：202202274836603973   整理番号：22A0963876

lasso回帰による予歪モデル係数の次元縮小【JST・京大機械翻訳】

Reduce the dimension of the predistortion model coefficients by lasso regression

著者 (4件)： Yang Xinrong (Xi’an, University of Posts and Telecommunications,School of Communications and Information Engineering,Xi’an,China) ,  Ren Jijun (Xi’an, University of Posts and Telecommunications,School of Communications and Information Engineering,Xi’an,China) ,  Wang Xing (Xi’an, University of Posts and Telecommunications,School of Communications and Information Engineering,Xi’an,China) ,  Song Qiushuang (Xi’an, University of Posts and Telecommunications,School of Communications and Information Engineering,Xi’an,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCE  ページ： 1-3  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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,予歪モデルのパラメータを推定するために,ラッソ回帰を用いる方法を提案した。Lasso回帰は,このモデルを単純化するために多くの変数から重要な変数を迅速かつ効果的に抽出できる。本論文では,10倍交差検証を用いて,ラッソ回帰正則化係数の方法を確認した。実験は,モデル係数がオリジナルの125から28まで減少して,78%の縮小であり,計算複雑度を減少できることを示した。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： 簡素化 ,  計算量 ,  正則化 ,  *次元縮小 ,  予歪

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 予歪 ,  モデル ,  係数 ,  次元縮小