論文の概要: Learning Graph ARMA Processes from Time-Vertex Spectra
- arxiv url: http://arxiv.org/abs/2302.06887v3
- Date: Fri, 13 Oct 2023 11:08:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-16 18:17:51.821045
- Title: Learning Graph ARMA Processes from Time-Vertex Spectra
- Title(参考訳): 時系列スペクトルを用いたグラフARMAプロセスの学習
- Authors: Eylem Tugce Guneyi, Berkay Yaldiz, Abdullah Canbolat, Elif Vural
- Abstract要約: 本稿では,共同時間-頂点パワースペクトル密度の学習に基づくグラフ自己回帰移動平均(グラフARMA)プロセスの計算アルゴリズムを提案する。
実験結果から,提案手法は時間-頂点信号推定問題において高精度であることがわかった。
- 参考スコア(独自算出の注目度): 1.740992908651449
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The modeling of time-varying graph signals as stationary time-vertex
stochastic processes permits the inference of missing signal values by
efficiently employing the correlation patterns of the process across different
graph nodes and time instants. In this study, we propose an algorithm for
computing graph autoregressive moving average (graph ARMA) processes based on
learning the joint time-vertex power spectral density of the process from its
incomplete realizations for the task of signal interpolation. Our solution
relies on first roughly estimating the joint spectrum of the process from
partially observed realizations and then refining this estimate by projecting
it onto the spectrum manifold of the graph ARMA process through convex
relaxations. The initially missing signal values are then estimated based on
the learnt model. Experimental results show that the proposed approach achieves
high accuracy in time-vertex signal estimation problems.
- Abstract(参考訳): 静止時間頂点確率過程としての時間変化グラフ信号のモデリングにより、異なるグラフノードと時刻瞬間間のプロセスの相関パターンを効率的に利用することにより、行方不明信号値の推測が可能となる。
本研究では,信号補間処理の不完全な実現から,プロセスの結合時間-頂点パワースペクトル密度を学習したグラフ自己回帰移動平均(グラフARMA)プロセスの計算アルゴリズムを提案する。
我々の解は、まず部分的に観測された実現からプロセスのジョイントスペクトルを大まかに推定し、凸緩和を通じてグラフARMAプロセスのスペクトル多様体に投影することでこの推定を精算する。
当初欠けていた信号値は学習モデルに基づいて推定される。
実験の結果,提案手法は時間-頂点信号推定問題において高い精度が得られることがわかった。
関連論文リスト
- Blind Channel Estimation and Joint Symbol Detection with Data-Driven
Factor Graphs [31.8050631698684]
時間変化型シンボル間干渉チャネルにおけるブラインドジョイントチャネル推定およびシンボル検出のためのフレームワークの適用について検討する。
本稿では,適切な因子グラフ上の信念パラメータ(BP)アルゴリズムを用いて,後部伝播を効率よく近似することにより,この問題に対処する。
さらに,BP更新のモーメントを導入し,適切なEM更新スケジュールを学習するデータ駆動型アルゴリズムを提案する。
数値解析実験により、提案したブラインド検出器の優れた性能を示し、高信号対雑音のシナリオにおいてコヒーレントBP検出よりも優れた性能を示す。
論文 参考訳(メタデータ) (2024-01-23T10:26:15Z) - Bayesian Formulations for Graph Spectral Denoising [9.086602432203417]
本稿では,グラフ上の信号としてモデル化された複雑なデータに関連付けられた特徴を,前もって滑らかに表現する問題を考察する。
本稿では, ガウス雑音, 落下音, 均一分布雑音によって信号が乱される場合のアルゴリズムを提案する。
単一セルRNAシークエンスデータにおいて、画像データ上の白色ノイズや重篤なドロップアウトから信号を効果的に復元するアルゴリズムの能力を実証する。
論文 参考訳(メタデータ) (2023-11-27T23:53:19Z) - Stochastic Gradient Descent for Gaussian Processes Done Right [86.83678041846971]
emphdone right -- 最適化とカーネルコミュニティからの具体的な洞察を使用するという意味で -- が、勾配降下は非常に効果的であることを示している。
本稿では,直感的に設計を記述し,設計選択について説明する。
本手法は,分子結合親和性予測のための最先端グラフニューラルネットワークと同程度にガウス過程の回帰を配置する。
論文 参考訳(メタデータ) (2023-10-31T16:15:13Z) - Poisson-Gaussian Holographic Phase Retrieval with Score-based Image
Prior [19.231581775644617]
本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。
PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。
本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
論文 参考訳(メタデータ) (2023-05-12T18:08:47Z) - 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) - Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。
条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。
提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文 参考訳(メタデータ) (2022-11-30T05:33:29Z) - Online Inference for Mixture Model of Streaming Graph Signals with
Non-White Excitation [34.30390182564043]
フィルタされた低域通過グラフ信号と、おそらく非白色および低ランクの励起の混合モデルについて検討する。
本稿では,グラフのノード中心性に着目した推論問題を考える。
本稿では,ストリーミングデータからの推論のための新しいオンラインEMアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-07-28T11:25:47Z) - Score-based Generative Modeling of Graphs via the System of Stochastic
Differential Equations [57.15855198512551]
本稿では,連続時間フレームワークを用いたグラフのスコアベース生成モデルを提案する。
本手法は, トレーニング分布に近い分子を生成できるが, 化学価数則に違反しないことを示す。
論文 参考訳(メタデータ) (2022-02-05T08:21:04Z) - An application of the splitting-up method for the computation of a
neural network representation for the solution for the filtering equations [68.8204255655161]
フィルタ方程式は、数値天気予報、金融、工学など、多くの現実の応用において中心的な役割を果たす。
フィルタリング方程式の解を近似する古典的なアプローチの1つは、分割法と呼ばれるPDEにインスパイアされた方法を使うことである。
我々はこの手法をニューラルネットワーク表現と組み合わせて、信号プロセスの非正規化条件分布の近似を生成する。
論文 参考訳(メタデータ) (2022-01-10T11:01:36Z) - Learned Factor Graphs for Inference from Stationary Time Sequences [107.63351413549992]
定常時間列のためのモデルベースアルゴリズムとデータ駆動型MLツールを組み合わせたフレームワークを提案する。
ニューラルネットワークは、時系列の分布を記述する因子グラフの特定のコンポーネントを別々に学習するために開発された。
本稿では,学習された定常因子グラフに基づく推論アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-06-05T07:06:19Z) - Statistical Outlier Identification in Multi-robot Visual SLAM using
Expectation Maximization [18.259478519717426]
本稿では、同時局所化およびマッピング(SLAM)におけるマップ間ループ閉包外乱検出のための、新しい分散手法を提案する。
提案アルゴリズムは優れた初期化に頼らず、一度に2つ以上のマップを処理できる。
論文 参考訳(メタデータ) (2020-02-07T06:34:44Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。