論文の概要: Statistical Framework for Clustering MU-MIMO Wireless via Second Order Statistics

• arxiv url: http://arxiv.org/abs/2408.04484v1
• Date: Thu, 8 Aug 2024 14:23:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-09 15:18:18.490072
• Title: Statistical Framework for Clustering MU-MIMO Wireless via Second Order Statistics
• Title（参考訳）: 2次統計を用いたMU-MIMO無線のクラスタリングのための統計的枠組み
• Authors: Roberto Pereira, Xavier Mestre,
• Abstract要約: 複数のサンプル共分散行列 (SCM) 間の対数-ユークリッド距離の推定は, 試料数と観測サイズが同じ速度で非有界に成長した場合に一定であると考えられる。 本研究では,クラスタリングアルゴリズムの性能を現実的な条件下で正確に予測できる統計フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 8.195126516665914
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This work explores the clustering of wireless users by examining the distances between their channel covariance matrices, which reside on the Riemannian manifold of positive definite matrices. Specifically, we consider an estimator of the Log-Euclidean distance between multiple sample covariance matrices (SCMs) consistent when the number of samples and the observation size grow unbounded at the same rate. Within the context of multi-user MIMO (MU-MIMO) wireless communication systems, we develop a statistical framework that allows to accurate predictions of the clustering algorithm's performance under realistic conditions. Specifically, we present a central limit theorem that establishes the asymptotic Gaussianity of the consistent estimator of the log-Euclidean distance computed over two sample covariance matrices.
• Abstract（参考訳）: 本研究は, 正定値行列のリーマン多様体上に存在するチャネル共分散行列間の距離を調べることにより, 無線ユーザのクラスタリングを探索する。 具体的には,複数サンプル共分散行列(SCM)間の対数-ユークリッド距離の推定器について,サンプル数と観測サイズが同じ速度で非有界に成長した場合に一貫した推定器を検討する。 マルチユーザMIMO(MU-MIMO)無線通信システムのコンテキスト内で,現実的な条件下でのクラスタリングアルゴリズムの性能の正確な予測を可能にする統計フレームワークを開発する。 具体的には、2つのサンプル共分散行列上で計算された対数ユークリッド距離の一貫した推定器の漸近的なガウス性を確立する中心極限定理を示す。

関連論文リスト

• Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
  連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。 本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。 我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
  論文  参考訳（メタデータ） (2024-10-03T09:07:13Z)
• Consistent Estimation of a Class of Distances Between Covariance Matrices [7.291687946822539]
  我々は、それぞれの共分散行列に別々に適用される関数のトレースの和として表現できる距離の族に興味を持っている。 このクラスの距離推定器の挙動に関する統計的解析も行われている。 これらの推定器のガウス性を確立し、対応する手段と分散に対する閉形式表現を提供する中心極限定理を提案する。
  論文  参考訳（メタデータ） (2024-09-18T07:36:25Z)
• Analysis of a multi-target linear shrinkage covariance estimator [0.0]
  我々は, 精密かつ実証的な平均値で, オラクルとテライトボナの多ターゲット線形収縮推定器を導出する。 様々な状況において、他の標準推定値よりも優れていることを実証的に示す。
  論文  参考訳（メタデータ） (2024-05-30T14:16:32Z)
• Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
  本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。 我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。 シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
  論文  参考訳（メタデータ） (2024-01-29T02:08:40Z)
• Intrinsic Bayesian Cramér-Rao Bound with an Application to Covariance Matrix Estimation [49.67011673289242]
  本稿では, 推定パラメータが滑らかな多様体内にある推定問題に対して, 新たな性能境界を提案する。 これはパラメータ多様体の幾何学と推定誤差測度の本質的な概念を誘導する。
  論文  参考訳（メタデータ） (2023-11-08T15:17:13Z)
• Multi-Fidelity Covariance Estimation in the Log-Euclidean Geometry [0.0]
  対称正定値多様体の対数ユークリッド幾何学を利用する共分散行列の多値推定器を導入する。 固定予算が与えられた推定器の平均二乗誤差を最小化する最適サンプル割り当て方式を開発した。 物理アプリケーションからのデータによるアプローチの評価は、ベンチマークと比較すると、より正確なメトリック学習と1桁以上のスピードアップを示している。
  論文  参考訳（メタデータ） (2023-01-31T16:33:46Z)
• Kernel distance measures for time series, random fields and other structured data [71.61147615789537]
  kdiffは、構造化データのインスタンス間の距離を推定するためのカーネルベースの新しい尺度である。 これはインスタンス間の自己類似性と交差類似性の両方を考慮し、距離分布の低い定量値を用いて定義される。 kdiffをクラスタリングと分類問題のための距離尺度として用いた分離性条件について,いくつかの理論的結果が得られた。
  論文  参考訳（メタデータ） (2021-09-29T22:54:17Z)
• Large Non-Stationary Noisy Covariance Matrices: A Cross-Validation Approach [1.90365714903665]
  金融時系列のヘテロシデスティックな性質を利用する新しい共分散推定器を提案する。 断面次元と時系列次元の両方のノイズを減衰させることにより、我々は、競合する推定器に対する推定器の優位性を実証的に実証する。
  論文  参考訳（メタデータ） (2020-12-10T15:41:17Z)
• Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
  我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。 我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
  論文  参考訳（メタデータ） (2020-09-27T14:16:14Z)
• Covariance Estimation for Matrix-valued Data [9.739753590548796]
  本研究では,高次元行列データに対する分布自由正規化共分散推定法を提案する。 我々は、バンド可能な共分散を推定するための統一的な枠組みを定式化し、ランク1の制約のないクロネッカー積近似に基づく効率的なアルゴリズムを導入する。 格子状温度異常データセットとS&P 500ストックデータ解析によるシミュレーションと実応用を用いて,本手法の優れた有限サンプル性能を実証した。
  論文  参考訳（メタデータ） (2020-04-11T02:15:26Z)
• Minimax Optimal Estimation of KL Divergence for Continuous Distributions [56.29748742084386]
  Kullback-Leibler の同一および独立に分布するサンプルからの発散は、様々な領域において重要な問題である。 単純で効果的な推定器の1つは、これらのサンプル間の近辺 k に基づいている。
  論文  参考訳（メタデータ） (2020-02-26T16:37:37Z)

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。