Fugu-MT 論文翻訳(概要): Learning to Reconstruct Signals From Binary Measurements

論文の概要: Learning to Reconstruct Signals From Binary Measurements

arxiv url: http://arxiv.org/abs/2303.08691v1
Date: Wed, 15 Mar 2023 15:21:41 GMT
ステータス: 処理完了
システム内更新日: 2023-03-16 13:25:36.464172
Title: Learning to Reconstruct Signals From Binary Measurements
Title（参考訳）: 2成分測定による信号再構成の学習
Authors: Juli\'an Tachella and Laurent Jacques
Abstract要約: 教師なし学習の最近の進歩は、ノイズや不完全な線形測定だけで信号を再構成する学習の可能性を強調している。 SSBMと呼ばれる新しい自己教師型学習手法を導入する。我々は,SSBMが教師付き学習と同等に行う実データセットを用いた一連の実験で示し,広いマージンで固定ウェーブレットベースでスパース再構成法より優れることを示した。
参考スコア（独自算出の注目度）: 12.268979675200779
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent advances in unsupervised learning have highlighted the possibility of learning to reconstruct signals from noisy and incomplete linear measurements alone. These methods play a key role in medical and scientific imaging and sensing, where ground truth data is often scarce or difficult to obtain. However, in practice, measurements are not only noisy and incomplete but also quantized. Here we explore the extreme case of learning from binary observations and provide necessary and sufficient conditions on the number of measurements required for identifying a set of signals from incomplete binary data. Our results are complementary to existing bounds on signal recovery from binary measurements. Furthermore, we introduce a novel self-supervised learning approach, which we name SSBM, that only requires binary data for training. We demonstrate in a series of experiments with real datasets that SSBM performs on par with supervised learning and outperforms sparse reconstruction methods with a fixed wavelet basis by a large margin.
Abstract（参考訳）: 教師なし学習の最近の進歩は、ノイズと不完全な線形測定のみから信号を再構成する学習の可能性を強調している。これらの手法は、地上の真実データがほとんど得られず、入手が難しい、医学的、科学的な画像やセンシングにおいて重要な役割を担っている。しかし実際には、測定はノイズが多く不完全であるだけでなく、定量化されている。ここでは,二進法からの学習の極端な事例を考察し,不完全二進法データからの信号集合の同定に必要な測定回数について,必要十分条件を提示する。以上の結果は,2値測定からの信号回復に関する既存の境界を補完するものである。さらに,学習のためのバイナリデータのみを必要とするssbmと名づけた,新しい自己教師付き学習手法を提案する。我々は,SSBMが教師付き学習と同等に行う実データセットを用いた一連の実験で示し,広いマージンで固定ウェーブレットベースでスパース再構成法より優れることを示した。

関連論文リスト

Self-supervised deep learning MRI reconstruction with Noisier2Noise [0.0]
この作業は、元々は自己教師型Denoisingタスクのために構築されたNoisier2Noiseフレームワークを拡張した。データアンダースーパーバイス(SSDU)による自己サンプル学習の性能を解析的に説明し、実際は良好に機能するが、これまで理論的な正当性を欠いていた。また、Noisier2Noiseを用いてSSDUの改良を提案し、その再構築品質とロバスト性を大幅に改善した。
論文参考訳（メタデータ） (2022-05-20T16:19:23Z)
Federated Cycling (FedCy): Semi-supervised Federated Learning of Surgical Phases [57.90226879210227]
FedCyは、FLと自己教師付き学習を組み合わせた半教師付き学習(FSSL)手法で、ラベル付きビデオとラベルなしビデオの両方の分散データセットを利用する。外科的段階の自動認識作業において,最先端のFSSL法よりも顕著な性能向上を示した。
論文参考訳（メタデータ） (2022-03-14T17:44:53Z)
A Meta-Learned Neuron model for Continual Learning [0.0]
継続的な学習は、以前に学んだ知識を忘れずに新しい知識を得る能力である。本研究では、標準的なニューロンをメタ学習ニューロンモデルで置き換える。提案手法は,トレーニングサンプルのデータセット長シーケンスを記憶し,その学習能力を任意のドメインに一般化する。
論文参考訳（メタデータ） (2021-11-03T23:39:14Z)
Self-Supervised Learning for MRI Reconstruction with a Parallel Network Training Framework [24.46388892324129]
提案手法は柔軟であり,既存のディープラーニング手法にも適用可能である。本手法の有効性を、オープン脳MRIデータセットを用いて評価する。
論文参考訳（メタデータ） (2021-09-26T06:09:56Z)
Medical Instrument Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning [62.13520959168732]
3DUSにおける楽器セグメンテーションのための半教師付き学習フレームワークを提案する。 SSL学習を実現するため、Dual-UNetが提案されている。提案手法は,Diceの約68.6%-69.1%,推定時間約1秒を実現している。
論文参考訳（メタデータ） (2021-07-30T07:59:45Z)
Imputation-Free Learning from Incomplete Observations [73.15386629370111]
本稿では,不備な値を含む入力からの推論をインプットなしでトレーニングするIGSGD法の重要性について紹介する。バックプロパゲーションによるモデルのトレーニングに使用する勾配の調整には強化学習(RL)を用いる。我々の計算自由予測は、最先端の計算手法を用いて従来の2段階の計算自由予測よりも優れている。
論文参考訳（メタデータ） (2021-07-05T12:44:39Z)
Signal Transformer: Complex-valued Attention and Meta-Learning for Signal Recognition [33.178794056273304]
本稿では,理論収束保証を伴う一般の非評価問題に対して,CAMEL(complex-valued Attentional MEta Learner)を提案する。本報告では, 状態が小さい場合に, 提案したデータ認識実験の優位性を示す。
論文参考訳（メタデータ） (2021-06-05T03:57:41Z)
Scan-Specific MRI Reconstruction using Zero-Shot Physics-Guided Deep Learning [0.0]
物理誘導型ディープラーニング(PG-DL)はMRIの高速化のための強力なツールである。最近の自己監督と教師なしの学習アプローチは、完全なサンプルデータなしでトレーニングを可能にします。本研究では,スキャン特異的なPG-DL再構築を行うためのゼロショット自己監視学習手法を提案する。
論文参考訳（メタデータ） (2021-02-15T18:34:38Z)
Training Binary Neural Networks through Learning with Noisy Supervision [76.26677550127656]
本稿では,ニューラルネットワーク上の二項化操作を学習の観点から定式化する。ベンチマークデータセットの実験結果から,提案手法がベースラインよりも一貫した改善を達成できることが示唆された。
論文参考訳（メタデータ） (2020-10-10T01:59:39Z)
Automatic Recall Machines: Internal Replay, Continual Learning and the Brain [104.38824285741248]
ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
論文参考訳（メタデータ） (2020-06-22T15:07:06Z)
Provably Efficient Causal Reinforcement Learning with Confounded Observational Data [135.64775986546505]
オフラインで収集されたデータセット(観測データ)を組み込んで、オンライン環境でのサンプル効率を改善する方法について検討する。提案手法は,観測データを効率よく組み込んだ,分解された楽観的値反復 (DOVI) アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-22T14:49:33Z)

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。