論文の概要: Sparse Hyperparametric Itakura-Saito NMF via Bi-Level Optimization

• arxiv url: http://arxiv.org/abs/2502.17123v1
• Date: Mon, 24 Feb 2025 13:05:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:52:00.649220
• Title: Sparse Hyperparametric Itakura-Saito NMF via Bi-Level Optimization
• Title（参考訳）: 両レベル最適化によるスパースハイパーパラメトリック板倉-斎藤NMF
• Authors: Laura Selicatoa, Flavia Esposito, Andersen Ang, Nicoletta Del Buono, Rafal Zdunek,
• Abstract要約: そこで我々は,行依存のペナルティハイパーパラメータを自動的に適応的に調整する二段階最適化フレームワーク「ShinBO」を提案する。 実験の結果,ShinBOは正確なスペクトル分解を保証し,合成および実世界の双方で優れた性能を示すことがわかった。
• 参考スコア（独自算出の注目度）: 1.5379084885764847
• License:
• Abstract: The selection of penalty hyperparameters is a critical aspect in Nonnegative Matrix Factorization (NMF), since these values control the trade-off between the reconstruction accuracy and the adherence to desired constraints. In this work, we focus on an NMF problem involving the Itakura-Saito (IS) divergence, effective for extracting low spectral density components from spectrograms of mixed signals, enhanced with sparsity constraints. We propose a new algorithm called SHINBO, which introduces a bi-level optimization framework to automatically and adaptively tune the row-dependent penalty hyperparameters, enhancing the ability of IS-NMF to isolate sparse, periodic signals against noise. Experimental results showed SHINBO ensures precise spectral decomposition and demonstrates superior performance in both synthetic and real-world applications. For the latter, SHINBO is particularly useful, as noninvasive vibration-based fault detection in rolling bearings, where the desired signal components often reside in high-frequency subbands but are obscured by stronger, spectrally broader noise. By addressing the critical issue of hyperparameter selection, SHINBO advances the state-of-the-art in signal recovery for complex, noise-dominated environments.
• Abstract（参考訳）: 非負行列因子化(NMF)におけるペナルティハイパーパラメータの選択は、これらの値が再構成精度と所望の制約への付着との間のトレードオフを制御するため、重要な側面である。 本研究では,混合信号のスペクトルから低スペクトル密度成分の抽出に有効な板倉-斎藤(IS)偏差を含むNMF問題に焦点をあてる。 そこで本研究では,行依存型ペナルティパラメータを自動的かつ適応的に調整する二段階最適化フレームワークである ShiNBO を提案する。 実験の結果,ShinBOは正確なスペクトル分解を保証し,合成および実世界の双方で優れた性能を示すことがわかった。 後者では、所望の信号成分が高周波サブバンドに常駐するが、より強くスペクトル的に広いノイズによって隠蔽される、転がり軸受における非侵襲的振動に基づく故障検出として特に有用である。 ハイパーパラメータ選択の致命的な問題に対処することで、SHINBOは複雑なノイズに支配された環境における信号回復の最先端を推し進める。

関連論文リスト

• Triply Laplacian Scale Mixture Modeling for Seismic Data Noise Suppression [51.87076090814921]
  ポーラシティに基づくテンソルリカバリ法は, 地震データノイズを抑制する大きな可能性を示している。 本研究では, 3次元ラプラシアンスケール混合(TLSM)による地震波の抑制手法を提案する。
  論文  参考訳（メタデータ） (2025-02-20T08:28:01Z)
• Enhanced Confocal Laser Scanning Microscopy with Adaptive Physics Informed Deep Autoencoders [0.0]
  共焦点レーザー走査顕微鏡の限界に対処する物理インフォームド・ディープラーニング・フレームワークを提案する。 このモデルは、畳み込み層と転置畳み込み層を用いて、ノイズの多い入力から高忠実度画像を再構成する。
  論文  参考訳（メタデータ） (2025-01-24T18:32:34Z)
• DiffFNO: Diffusion Fourier Neural Operator [8.895165270489167]
  重み付きフーリエニューラル演算子(WFNO)により強化された任意のスケール超解像のための新しい拡散フレームワークDiffFNOを紹介する。 DiffFNOは、PSNRの2～4dBのマージンで、様々なスケーリング要因にまたがる既存の手法よりも優れた、最先端のSOTA(State-of-the-art)結果が得られることを示す。 提案手法は,高精度かつ計算効率の両面において,超解像の新たな標準を定めている。
  論文  参考訳（メタデータ） (2024-11-15T03:14:11Z)
• Stable Neighbor Denoising for Source-free Domain Adaptive Segmentation [91.83820250747935]
  擬似ラベルノイズは主に不安定なサンプルに含まれており、ほとんどのピクセルの予測は自己学習中に大きく変化する。 我々は, 安定・不安定な試料を効果的に発見する, SND(Stable Neighbor Denoising)アプローチを導入する。 SNDは、様々なSFUDAセマンティックセグメンテーション設定における最先端メソッドよりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-06-10T21:44:52Z)
• Learned Pulse Shaping Design for PAPR Reduction in DFT-s-OFDM [13.870974874382025]
  シンボル誤り率(SER)、PAPR、スペクトル平坦性要件のトレードオフを最適化し、FDSSフィルタを決定する機械学習ベースのフレームワークを提案する。 その結果,学習したFDSSフィルタは従来のベースラインに比べてPAPRを低下させ,SER劣化を最小限に抑えた。
  論文  参考訳（メタデータ） (2024-04-24T18:50:56Z)
• ROPO: Robust Preference Optimization for Large Language Models [59.10763211091664]
  外部モデルの助けを借りずにノイズ耐性とノイズサンプルのフィルタリングを統合する反復アライメント手法を提案する。 Mistral-7BとLlama-2-7Bで広く使われている3つのデータセットの実験では、ROPOが既存の嗜好アライメント法を大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-04-05T13:58:51Z)
• Amplitude-Varying Perturbation for Balancing Privacy and Utility in Federated Learning [86.08285033925597]
  本稿では,フェデレート学習のプライバシを保護するため,時変雑音振幅を持つ新しいDP摂動機構を提案する。 我々は、FLの過度な摂動ノイズによる早期収束を防止するために、シリーズのオンラインリファインメントを導出した。 新しいDP機構のプライバシ保存FLの収束と精度への寄与は、持続的な雑音振幅を持つ最先端のガウスノイズ機構と比較して相関する。
  論文  参考訳（メタデータ） (2023-03-07T22:52:40Z)
• Residual Degradation Learning Unfolding Framework with Mixing Priors across Spectral and Spatial for Compressive Spectral Imaging [29.135848304404533]
  符号化開口スナップショット分光画像(CASSI)が提案されている。 CASSIシステムの中核的な問題は、信頼性と微妙な基礎となる3次元スペクトル立方体を2次元測定から回収することである。 本稿では,センサマトリックスと劣化過程のギャップを埋めるResidual Degradation Learning Unfolding Framework (RDLUF)を提案する。
  論文  参考訳（メタデータ） (2022-11-13T12:31:49Z)
• SiNeRF: Sinusoidal Neural Radiance Fields for Joint Pose Estimation and Scene Reconstruction [147.9379707578091]
  NeRFmmは、共同最適化タスクを扱うNeRF(Neural Radiance Fields)である。 NeRFmmは正確なシーン合成とポーズ推定を行うが、難しいシーンで完全に注釈付けされたベースラインを上回るのに苦戦している。 放射光マッピングにおける正弦波活性化を利用する正弦波ニューラルレイディアンス場(SiNeRF)と、効率よく光束を選択するための新しい混合領域サンプリング(MRS)を提案する。
  論文  参考訳（メタデータ） (2022-10-10T10:47:51Z)
• Hyperspectral Image Denoising Using Non-convex Local Low-rank and Sparse Separation with Spatial-Spectral Total Variation Regularization [49.55649406434796]
  本研究では,HSI復調のためのロバストな主成分分析のための新しい非特異なアプローチを提案する。 我々は、ランクとスパースコンポーネントの両方に対する正確な近似を開発する。 シミュレーションと実HSIの両方の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-01-08T11:48:46Z)

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。