論文の概要: Keep or toss? A nonparametric score to evaluate solutions for noisy ICA
- arxiv url: http://arxiv.org/abs/2401.08468v1
- Date: Tue, 16 Jan 2024 16:18:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 19:15:10.891793
- Title: Keep or toss? A nonparametric score to evaluate solutions for noisy ICA
- Title(参考訳): 維持か 投げるか?
雑音ICAの解を評価する非パラメトリックスコア
- Authors: Syamantak Kumar, Purnamrita Sarkar, Peter Bickel, and Derek Bean
- Abstract要約: 本稿では,任意のガウス雑音を伴う独立成分分析(ICA)の反復アルゴリズムに対する解の質を評価するために,非パラメトリックスコアを提案する。
また,ICAに対する特徴関数に基づく新しいコントラスト関数を提案し,対応する目的関数を最適化するための固定点を提案する。
- 参考スコア(独自算出の注目度): 5.749787074942513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a non-parametric score to evaluate the quality of
the solution to an iterative algorithm for Independent Component Analysis (ICA)
with arbitrary Gaussian noise. The novelty of this score stems from the fact
that it just assumes a finite second moment of the data and uses the
characteristic function to evaluate the quality of the estimated mixing matrix
without any knowledge of the parameters of the noise distribution. We also
provide a new characteristic function-based contrast function for ICA and
propose a fixed point iteration to optimize the corresponding objective
function. Finally, we propose a theoretical framework to obtain sufficient
conditions for the local and global optima of a family of contrast functions
for ICA. This framework uses quasi-orthogonalization inherently, and our
results extend the classical analysis of cumulant-based objective functions to
noisy ICA. We demonstrate the efficacy of our algorithms via experimental
results on simulated datasets.
- Abstract(参考訳): 本稿では,任意のガウス雑音を持つ独立成分分析(ica)のための反復アルゴリズムに対する解の質を評価するための非パラメトリックスコアを提案する。
このスコアの目新しさは、データの有限秒のモーメントを仮定し、ノイズ分布のパラメータを知らずに推定混合行列の品質を評価するために特性関数を使用するという事実に起因している。
また,ICAに対する特徴関数に基づく新しいコントラスト関数を提案し,対応する目的関数を最適化するための固定点反復を提案する。
最後に,ICA のコントラスト関数群に対する局所的および大域的最適条件を得るための理論的枠組みを提案する。
本フレームワークは,準直交化を本質的に用い,累積的対象関数の古典的解析をノイズICAに拡張する。
シミュレーションデータを用いた実験により,本アルゴリズムの有効性を実証する。
関連論文リスト
- Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。
本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
論文 参考訳(メタデータ) (2023-06-13T01:18:16Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - 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) - Semi-Blind Source Separation with Learned Constraints [1.2891210250935146]
ブラインドソース分離 (BSS) アルゴリズムは、ハイパースペクトルデータ解析のための教師なしの手法である。
本稿では,予測された最小二乗アルゴリズムと学習に基づく正規化スキームを組み合わせた半教師付きソース分離手法について検討する。
これにより、物理的に解釈可能な解を提供する精度が向上し、革新的なBSSアルゴリズムが実現できることが示される。
論文 参考訳(メタデータ) (2022-09-27T17:58:23Z) - A Resilient Distributed Boosting Algorithm [15.658216451225153]
本稿では,限られたノイズに耐性のある分散ブースティングアルゴリズムを提案する。
我々のアルゴリズムは、アルゴリズムの強化に似ているが、Impagliazzoのハードコア補題(Impagliazzo95)にインスパイアされた新しいコンポーネントを備えており、アルゴリズムに堅牢性を加えている。
論文 参考訳(メタデータ) (2022-06-09T18:10:06Z) - Greedy versus Map-based Optimized Adaptive Algorithms for
random-telegraph-noise mitigation by spectator qubits [6.305016513788048]
データストレージキュービットを可能な限り分離したままにしておくシナリオでは、ノイズプローブを追加してノイズ軽減を行うことができる。
量子ビット上の射影的測定を仮定した理論モデルを構築し、異なる測定・制御戦略の性能を導出する。
解析的および数値的に、MOAAARは、特にSQの高雑音感度状態において、Greedyアルゴリズムよりも優れていることを示す。
論文 参考訳(メタデータ) (2022-05-25T08:25:10Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-01-29T23:31:25Z) - 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) - Adaptive Multi-View ICA: Estimation of noise levels for optimal
inference [65.94843987207445]
Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。
AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。
実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
論文 参考訳(メタデータ) (2021-02-22T13:10:12Z) - 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) - A Method for Handling Multi-class Imbalanced Data by Geometry based
Information Sampling and Class Prioritized Synthetic Data Generation (GICaPS) [15.433936272310952]
本稿では,多ラベル分類問題における不均衡データ処理の問題について考察する。
特徴ベクトル間の幾何学的関係を利用する2つの新しい手法が提案されている。
提案手法の有効性は,汎用的なマルチクラス認識問題を解くことによって解析する。
論文 参考訳(メタデータ) (2020-10-11T04:04:26Z)
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。