Fugu-MT 論文翻訳(概要): Improved Coherence Index-Based Bound in Compressive Sensing

論文の概要: Improved Coherence Index-Based Bound in Compressive Sensing

arxiv url: http://arxiv.org/abs/2103.06804v1
Date: Thu, 11 Mar 2021 17:19:06 GMT
ステータス: 処理完了
システム内更新日: 2021-03-13 00:39:33.269811
Title: Improved Coherence Index-Based Bound in Compressive Sensing
Title（参考訳）: 圧縮センシングにおけるコヒーレンス指数に基づく境界の改善
Authors: Ljubisa Stankovic, Milos Brajovic, Danilo Mandic, Isidora Stankovic, Milos Dakovic
Abstract要約: マッチング追従アルゴリズムにおけるコヒーレンスに基づく一意性関係の改善を提案する。我々は信号空間のコヒーレンス指数に基づく低境界を導出する。
参考スコア（独自算出の注目度）: 11.170808021569192
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Within the Compressive Sensing (CS) paradigm, sparse signals can be reconstructed based on a reduced set of measurements. Reliability of the solution is determined by the uniqueness condition. With its mathematically tractable and feasible calculation, coherence index is one of very few CS metrics with a considerable practical importance. In this paper, we propose an improvement of the coherence based uniqueness relation for the matching pursuit algorithms. Starting from a simple and intuitive derivation of the standard uniqueness condition based on the coherence index, we derive a less conservative coherence index-based lower bound for signal sparsity. The results are generalized to the uniqueness condition of the $l_0$-norm minimization for a signal represented in two orthonormal bases.
Abstract（参考訳）: 圧縮センシング(CS)パラダイムでは、測定値の減少に基づいてスパース信号を再構築することができる。解の信頼性は一意性条件によって決定される。数学的に計算可能で実現可能な計算により、コヒーレンス指数は極めて少数のCS指標の1つであり、実用上重要な指標である。本稿では,マッチング追従アルゴリズムにおけるコヒーレンスに基づく一意性関係の改善を提案する。コヒーレンス指数に基づく標準一意性条件の単純かつ直感的な導出から始め、信号スパーシティに対する保守的コヒーレンス指数に基づく下限を導出する。結果は、2つの正則基底で表される信号の$l_0$-ノルム最小化の特異性条件に一般化される。

関連論文リスト

Matrix Denoising with Doubly Heteroscedastic Noise: Fundamental Limits and Optimal Spectral Methods [24.06775799553418]
本研究では,列相関と列相関の両方でノイズによって劣化したランク1$の信号の特異ベクトルを推定する行列記述問題について検討する。本研究は,2つのヘテロセダスティックノイズを重畳した行列の,情報理論的およびアルゴリズム的限界を確立する。
論文参考訳（メタデータ） (2024-05-22T18:38:10Z)
Optimal Differentially Private PCA and Estimation for Spiked Covariance Matrices [10.377683220196873]
共分散行列とその関連する主成分を推定することは、現代統計学における根本的な問題である。スパイク共分散モデルにおける最適偏微分的主成分分析(PCA)と共分散推定について検討した。計算効率のよい微分プライベート推定器を提案し、その極小極小性をガウス分布に対して証明する。
論文参考訳（メタデータ） (2024-01-08T11:18:14Z)
Provably Accelerating Ill-Conditioned Low-rank Estimation via Scaled Gradient Descent, Even with Overparameterization [48.65416821017865]
この章では、スケールドグラデーション(ScaledGD)と呼ばれる新しいアルゴリズムアプローチを紹介します。低ランク物体の条件数に依存しない定数速度で直線的に収束する。様々なタスクに対して、勾配降下の低い摂動コストを維持できる。
論文参考訳（メタデータ） (2023-10-09T21:16:57Z)
Reframed GES with a Neural Conditional Dependence Measure [20.47061693587848]
Wevisit the Greedy Equivalence Search (GES) algorithm, which is known as a score-based algorithm for learn the Markov equivalence class (MEC)。本稿では,GESアルゴリズムの再フレーミングについて述べる。本稿では,ディープニューラルネットワークの表現力を利用したニューラル条件依存尺度を提案する。
論文参考訳（メタデータ） (2022-06-17T03:29:08Z)
Hyperspectral Image Denoising Using Non-convex Local Low-rank and Sparse Separation with Spatial-Spectral Total Variation Regularization [49.55649406434796]
本研究では,HSI復調のためのロバストな主成分分析のための新しい非特異なアプローチを提案する。我々は、ランクとスパースコンポーネントの両方に対する正確な近似を開発する。シミュレーションと実HSIの両方の実験により,提案手法の有効性が示された。
論文参考訳（メタデータ） (2022-01-08T11:48:46Z)
Nonconvex Stochastic Scaled-Gradient Descent and Generalized Eigenvector Problems [98.34292831923335]
オンライン相関解析の問題から,emphStochastic Scaled-Gradient Descent (SSD)アルゴリズムを提案する。我々はこれらのアイデアをオンライン相関解析に適用し、局所収束率を正規性に比例した最適な1時間スケールのアルゴリズムを初めて導いた。
論文参考訳（メタデータ） (2021-12-29T18:46:52Z)
Accelerated and instance-optimal policy evaluation with linear function approximation [17.995515643150657]
既存のアルゴリズムはこれらの下界の少なくとも1つと一致しない。我々は,両下界を同時に一致させる高速時間差分アルゴリズムを開発し,インスタンス最適性という強い概念を実現する。
論文参考訳（メタデータ） (2021-12-24T17:21:04Z)
On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
論文参考訳（メタデータ） (2021-06-30T17:51:36Z)
Sinkhorn Natural Gradient for Generative Models [125.89871274202439]
本研究では,シンクホーンの発散による確率空間上の最も急降下法として機能するシンクホーン自然勾配(SiNG)アルゴリズムを提案する。本稿では,SiNG の主要成分であるシンクホーン情報行列 (SIM) が明示的な表現を持ち,対数的スケールの複雑さを正確に評価できることを示す。本実験では,SiNGと最先端のSGD型解法を定量的に比較し,その有効性と有効性を示す。
論文参考訳（メタデータ） (2020-11-09T02:51:17Z)
Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。暗黙正則化現象の理論的保証を提供する。
論文参考訳（メタデータ） (2020-07-16T13:27:47Z)
One-Bit Compressed Sensing via One-Shot Hard Thresholding [7.594050968868919]
1ビット圧縮センシングの問題は、いくつかのバイナリ測定からスパース信号を推定することである。広範に使われている非制約の幅の概念から遠ざかる、斬新で簡潔な分析法を提案する。
論文参考訳（メタデータ） (2020-07-07T17:28:03Z)

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。