論文の概要: SPP-SBL: Space-Power Prior Sparse Bayesian Learning for Block Sparse Recovery

• arxiv url: http://arxiv.org/abs/2505.08518v1
• Date: Tue, 13 May 2025 12:49:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.561816
• Title: SPP-SBL: Space-Power Prior Sparse Bayesian Learning for Block Sparse Recovery
• Title（参考訳）: SPP-SBL: ブロックスパース回復のための空間パワー事前ベイズ学習
• Authors: Yanhao Zhang, Zhihan Zhu, Yong Xia,
• Abstract要約: 本稿では,ブロックスパース信号の未知パターンを適応的に捉えるために,非方向グラフモデルに基づく新しい空間パワーを提案する。 本研究では,空間結合パラメータ推定の解問題に効果的に対処する,新しい構造付きスパースベイズ学習法を提案する。
• 参考スコア（独自算出の注目度）: 16.61484758008309
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The recovery of block-sparse signals with unknown structural patterns remains a fundamental challenge in structured sparse signal reconstruction. By proposing a variance transformation framework, this paper unifies existing pattern-based block sparse Bayesian learning methods, and introduces a novel space power prior based on undirected graph models to adaptively capture the unknown patterns of block-sparse signals. By combining the EM algorithm with high-order equation root-solving, we develop a new structured sparse Bayesian learning method, SPP-SBL, which effectively addresses the open problem of space coupling parameter estimation in pattern-based methods. We further demonstrate that learning the relative values of space coupling parameters is key to capturing unknown block-sparse patterns and improving recovery accuracy. Experiments validate that SPP-SBL successfully recovers various challenging structured sparse signals (e.g., chain-structured signals and multi-pattern sparse signals) and real-world multi-modal structured sparse signals (images, audio), showing significant advantages in recovery accuracy across multiple metrics.
• Abstract（参考訳）: 構造パターンが不明なブロックスパース信号の回復は、構造化スパース信号再構成の根本的な課題である。 分散変換フレームワークを提案することにより、既存のパターンベースブロックスパースベイズ学習手法を統一し、無向グラフモデルに基づく新しい空間パワーを導入し、ブロックスパース信号の未知パターンを適応的にキャプチャする。 EMアルゴリズムと高次方程式の根解法を組み合わせることで,パターンベース手法における空間結合パラメータ推定の解問題に効果的に対処する,新しい構造化されたスパースベイズ学習法であるSPP-SBLを開発した。 さらに,空間結合パラメータの相対値の学習が,未知のブロックスパースパターンを捕捉し,回復精度を向上させる上で重要であることを示す。 実験により、SPP-SBLは、様々な難易度の高いスパース信号(例えば、チェーン構造信号、マルチパターンスパース信号)と実世界のマルチモーダル構造スパース信号(画像、音声)を回復し、複数のメトリクス間での回復精度の顕著な優位性を示す。

関連論文リスト

• High-dimensional Clustering and Signal Recovery under Block Signals [0.0]
  クロスブロック特徴集約PCA(CFA-PCA)と移動平均PCA(MA-PCA)の2つの手法を提案する。 どちらの手法もブロック信号構造を適応的に利用し、不均一な共分散行列を持つ非ガウスデータに適用できる。 提案手法は,疎密かつ高密度なブロック信号システムに対して,ミニマックス低域(CMLB)を実現することができることを示す。
  論文  参考訳（メタデータ） (2025-04-11T07:54:55Z)
• Diffusion-based Layer-wise Semantic Reconstruction for Unsupervised Out-of-Distribution Detection [30.02748131967826]
  教師なしのアウト・オブ・ディストリビューション(OOD)検出は、未ラベルのIn-Distribution(ID)トレーニングサンプルからのみ学習することで、ドメイン外のデータを識別することを目的としている。 現在の再構成手法は, 画素/機能空間における入力と対応する生成物間の再構成誤差を測定することで, 優れた代替手法を提供する。 拡散に基づく階層的意味再構成手法を提案する。
  論文  参考訳（メタデータ） (2024-11-16T04:54:07Z)
• Block Sparse Bayesian Learning: A Diversified Scheme [16.61484758008309]
  実世界のデータに広汎なブロック間隔現象を特徴付けるために, バラエティブロックスパース(Diversified Block Sparse)という小説を紹介した。 ブロック内分散およびブロック間相関行列の多様化を可能とすることにより、既存のブロックスパース学習手法の感度問題を事前に定義されたブロック情報に効果的に対処する。
  論文  参考訳（メタデータ） (2024-02-07T08:18:06Z)
• Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent Signals: Application to Hyperspectral Imaging [71.57324258813675]
  相互依存信号のデータセットは、列が強い依存を示す行列として定義される。 ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。 ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
  論文  参考訳（メタデータ） (2022-03-29T21:00:39Z)
• Efficient Reinforcement Learning in Block MDPs: A Model-free Representation Learning Approach [73.62265030773652]
  ブロック構造力学を用いたマルコフ決定過程における効率的な強化学習アルゴリズムであるBRIEEを提案する。 BRIEEは、潜伏状態の発見、探索、搾取を相互にインターリーブし、ほぼ最適な政策を確実に学べる。 我々は、BRIEEが最先端のBlock MDPアルゴリズムであるHOMER RLや、リッチ・オブザーブレーションの組み合わせロック問題に挑戦する経験的ベースラインよりも、より標本効率が高いことを示す。
  論文  参考訳（メタデータ） (2022-01-31T19:47:55Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• Covariance-Free Sparse Bayesian Learning [62.24008859844098]
  共分散行列の明示的な反転を回避する新しいSBL推論アルゴリズムを導入する。 私たちの手法は、既存のベースラインよりも数千倍も高速です。 我々は,SBLが高次元信号回復問題に難なく対処できる新しいアルゴリズムについて紹介する。
  論文  参考訳（メタデータ） (2021-05-21T16:20:07Z)
• Modulation Pattern Detection Using Complex Convolutions in Deep Learning [0.0]
  ノイズやチャネル障害が信号に影響を与えるため、変調パターンの分類は困難である。 我々は、一連の畳み込みニューラルネットワークアーキテクチャにおける複雑な畳み込みの実装と利用について研究する。
  論文  参考訳（メタデータ） (2020-10-14T02:43:11Z)
• Activation Relaxation: A Local Dynamical Approximation to Backpropagation in the Brain [62.997667081978825]
  活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。 我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
  論文  参考訳（メタデータ） (2020-09-11T11:56:34Z)

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。