Fugu-MT 論文翻訳(概要): Weak Detection in the Spiked Wigner Model with General Rank

論文の概要: Weak Detection in the Spiked Wigner Model with General Rank

arxiv url: http://arxiv.org/abs/2001.05676v3
Date: Thu, 4 Mar 2021 05:33:32 GMT
ステータス: 処理完了
システム内更新日: 2023-01-11 00:14:17.847963
Title: Weak Detection in the Spiked Wigner Model with General Rank
Title（参考訳）: 一般ランクを有するスパイクウィグナーモデルにおける弱検出
Authors: Ji Hyung Jung, Hye Won Chung, and Ji Oon Lee
Abstract要約: 我々は,信号+雑音型行列モデルから信号を検出する統計的決定過程を付加的なウィグナー雑音で検討する。本稿では,信号の分布や雑音に依存しないデータ行列の線形スペクトル統計に基づく仮説テストを提案する。
参考スコア（独自算出の注目度）: 13.45821655503426
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study the statistical decision process of detecting the signal from a `signal+noise' type matrix model with an additive Wigner noise. We propose a hypothesis test based on the linear spectral statistics of the data matrix, which does not depend on the distribution of the signal or the noise. The test is optimal under the Gaussian noise if the signal-to-noise ratio is small, as it minimizes the sum of the Type-I and Type-II errors. Under the non-Gaussian noise, the test can be improved with an entrywise transformation to the data matrix. We also introduce an algorithm that estimates the rank of the signal when it is not known a priori.
Abstract（参考訳）: 加算ウィグナー雑音を伴う'signal+noise'型行列モデルから信号を検出する統計的決定過程について検討した。本稿では,信号の分布や雑音に依存しないデータ行列の線形スペクトル統計に基づく仮説テストを提案する。信号対雑音比が小さい場合、このテストはガウス雑音の下で最適であり、タイプIとタイプIIの誤差の総和を最小化する。非ガウス雑音下では、データ行列へのエントリワイズ変換によりテストを改善することができる。また,優先度が分かっていない場合の信号のランクを推定するアルゴリズムも導入する。

関連論文リスト

Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。このような問題は医学、物理学、機械学習で発生する。両種類の雑音下で提案アルゴリズムの収束保証を行う。
論文参考訳（メタデータ） (2024-11-21T10:26:17Z)
Unsupervised Denoising for Signal-Dependent and Row-Correlated Imaging Noise [54.0185721303932]
本稿では,行関連の画像ノイズを処理できる,教師なしのディープラーニングベースデノイザについて紹介する。提案手法では,特殊設計の自己回帰デコーダを備えた変分オートエンコーダを用いる。本手法では,事前学習した雑音モデルを必要としないため,雑音のないデータを用いてスクラッチから訓練することができる。
論文参考訳（メタデータ） (2023-10-11T20:48:20Z)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
Mismatched estimation of non-symmetric rank-one matrices corrupted by structured noise [21.447998004700384]
本研究では,非対称な回転不変雑音によって劣化したランク1信号と特異値の一般分布を推定するベイズ統計学者の性能について検討する。我々は、ミスマッチしたベイズ推定器の誤差に対する正確な解析式を導出し、また、近似メッセージパッシング(AMP)アルゴリズムの解析も提供する。
論文参考訳（メタデータ） (2023-02-07T07:56:19Z)
Optimizing the Noise in Self-Supervised Learning: from Importance Sampling to Noise-Contrastive Estimation [80.07065346699005]
GAN(Generative Adversarial Networks)のように、最適な雑音分布はデータ分布に等しくなると広く想定されている。我々は、この自己教師型タスクをエネルギーベースモデルの推定問題として基礎づけるノイズ・コントラスト推定に目を向ける。本研究は, 最適雑音のサンプリングは困難であり, 効率性の向上は, データに匹敵する雑音分布を選択することに比べ, 緩やかに行うことができると結論付けた。
論文参考訳（メタデータ） (2023-01-23T19:57:58Z)
Detection problems in the spiked matrix models [15.125686694430573]
まず、ノイズがガウス的でない場合、データ行列を入力順に前変換することで主成分分析を改善することができることを示す。また,事前知識がない場合の信号のランクを推定するアルゴリズムも導入する。
論文参考訳（メタデータ） (2023-01-12T23:46:41Z)
Asymptotic Normality of Log Likelihood Ratio and Fundamental Limit of the Weak Detection for Spiked Wigner Matrices [13.653940190782142]
ランクワンスパイクされたウィグナーモデルにおける信号の存在を検出する問題を考える。我々は,信号対雑音比が一定の閾値以下である場合に,スパイクされたモデルとヌルモデルとの対数確率比がガウスに収束することを証明した。
論文参考訳（メタデータ） (2022-03-02T02:14:54Z)
Fully Adaptive Bayesian Algorithm for Data Analysis, FABADA [0.0]
本稿では,ベイズ推定の観点から,新しい非パラメトリック雑音低減手法について述べる。データのスムーズなバージョン、スムーズなモデルを繰り返し評価し、基礎となる信号の推定値を得る。繰り返しは、最後の滑らかなモデルの証拠と$chi2$統計に基づいて停止し、信号の期待値を計算する。
論文参考訳（メタデータ） (2022-01-13T18:54:31Z)
Detection of Signal in the Spiked Rectangular Models [8.185918509343818]
雑音がガウス的でない場合、行列成分の事前変換により主成分分析を改善することができることを示す。また,計算複雑性の低い信号の存在を検出する仮説テストを提案する。
論文参考訳（メタデータ） (2021-04-28T01:15:45Z)
Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
論文参考訳（メタデータ） (2021-01-21T04:48:15Z)
Learning Noise-Aware Encoder-Decoder from Noisy Labels by Alternating Back-Propagation for Saliency Detection [54.98042023365694]
本稿では,ノイズを考慮したエンコーダ・デコーダ・フレームワークを提案する。提案モデルはニューラルネットワークによってパラメータ化された2つのサブモデルから構成される。
論文参考訳（メタデータ） (2020-07-23T18:47:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。