論文の概要: Keep or toss? A nonparametric score to evaluate solutions for noisy ICA
- arxiv url: http://arxiv.org/abs/2401.08468v2
- Date: Sat, 10 Feb 2024 04:12:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-13 20:55:58.790435
- 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: ブラインドソース分離(BSS)モデルとして独立成分分析(ICA)が1980年代に導入された。
任意のガウス雑音を持つICAの正しいアルゴリズムを適応的に選択する非パラメトリックスコアを開発する。
- 参考スコア(独自算出の注目度): 5.749787074942513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Independent Component Analysis (ICA) was introduced in the 1980's as a model
for Blind Source Separation (BSS), which refers to the process of recovering
the sources underlying a mixture of signals, with little knowledge about the
source signals or the mixing process. While there are many sophisticated
algorithms for estimation, different methods have different shortcomings. In
this paper, we develop a nonparametric score to adaptively pick the right
algorithm for 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. In addition, we propose some new contrast functions and
algorithms that enjoy the same fast computability as existing algorithms like
FASTICA and JADE but work in domains where the former may fail. While these
also may have weaknesses, our proposed diagnostic, as shown by our simulations,
can remedy them. Finally, we propose a theoretical framework to analyze the
local and global convergence properties of our algorithms.
- Abstract(参考訳): 独立成分分析(Independent Component Analysis, ICA)は、1980年代にブラインド音源分離(BSS)のモデルとして導入された。
推定には多くの高度なアルゴリズムがあるが、異なる手法には異なる欠点がある。
本稿では,任意のガウス雑音を持つICAの正しいアルゴリズムを適応的に選択する非パラメトリックスコアを開発する。
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。
さらに、fasticaやjadeのような既存のアルゴリズムと同じ高速計算性を持つが、前者が失敗する可能性がある領域で動作する新しいコントラスト関数とアルゴリズムを提案する。
それらにも弱点があるかもしれないが、我々のシミュレーションが示すように、我々の提案した診断はそれらを治療することができる。
最後に,アルゴリズムの局所的および大域的収束特性を解析するための理論的枠組みを提案する。
関連論文リスト
- Noise Stability Optimization for Flat Minima with Tight Rates [18.009376840944284]
一般化特性は学習アルゴリズムの設計と解析の中心的な側面である。
多くの先行研究において、良い一般化につながると考えられてきた概念は、平らなミニマである。
論文 参考訳(メタデータ) (2023-06-14T14:58:36Z) - 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)
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。