論文の概要: Low-rank MMSE filters, Kronecker-product representation, and regularization: a new perspective

• arxiv url: http://arxiv.org/abs/2512.14932v1
• Date: Tue, 16 Dec 2025 21:54:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.793226
• Title: Low-rank MMSE filters, Kronecker-product representation, and regularization: a new perspective
• Title（参考訳）: 低ランクMMSEフィルタ、Kronecker-product表現および正規化:新しい視点
• Authors: Daniel Gomes de Pinho Zanco, Leszek Szczecinski, Jacob Benesty, Eduardo Vinicius Kuhn,
• Abstract要約: 正規化パラメータは驚くほどランク選択の問題と関連付けられており、適切に選択することが低ランク設定に不可欠であることを示す。 提案手法はシミュレーションにより検証され, 一般的に用いられる手法よりも有意な利得を示した。
• 参考スコア（独自算出の注目度）: 16.075071377579857
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this work, we propose a method to efficiently find the regularization parameter for low-rank MMSE filters based on a Kronecker-product representation. We show that the regularization parameter is surprisingly linked to the problem of rank selection and, thus, properly choosing it, is crucial for low-rank settings. The proposed method is validated through simulations, showing significant gains over commonly used methods.
• Abstract（参考訳）: そこで本研究では,Kronecker-product表現に基づいて,低ランクMMSEフィルタの正規化パラメータを効率的に検出する手法を提案する。 正規化パラメータは驚くほどランク選択の問題と関連付けられており、適切に選択することが低ランク設定に不可欠であることを示す。 提案手法はシミュレーションにより検証され, 一般的に用いられる手法よりも有意な利得を示した。

関連論文リスト

• A Unified Bayesian Perspective for Conventional and Robust Adaptive Filters [15.640261000544077]
  本稿では適応フィルタの起源と解釈について述べる。 ガウスモデルの下では、非ガウス雑音を用いて、文献でよく知られた解を得るとともに、新しい適応アルゴリズムを導出する。 数値的な例は特性を説明するために示され、導出された適応フィルタの性能についてより深い洞察を与える。
  論文  参考訳（メタデータ） (2025-02-25T16:20:10Z)
• Automatic Regularization for Linear MMSE Filters [14.766350834632762]
  最小平均二乗誤差(MMSE)線形フィルタの設計における正規化の問題を考える。 ベイズ的手法を用いて、観測された信号から、単純かつ自動で正規化パラメータが見つかる。 提案手法はシステム同定とビームフォーミングの例で示され, 自動正規化によりほぼ最適結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-12-11T17:45:10Z)
• Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
  非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。 この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。 変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
  論文  参考訳（メタデータ） (2023-05-31T03:48:49Z)
• Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
  Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。 本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。 我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
  論文  参考訳（メタデータ） (2022-09-27T07:58:25Z)
• Fourier Series Expansion Based Filter Parametrization for Equivariant Convolutions [73.33133942934018]
  2次元フィルタパラメトリゼーション技術は同変畳み込みの設計において重要な役割を果たす。 F-Convというフィルタパラメトリゼーション法に基づく新しい同変畳み込み法 F-Convは、画像超解像タスクにおいて、以前のフィルタパラメトリゼーション法よりも明らかに優れている。
  論文  参考訳（メタデータ） (2021-07-30T10:01:52Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)
• Generalized Bayesian Filtering via Sequential Monte Carlo [12.789129084258409]
  本稿では,一般状態空間隠蔽マルコフモデル (HMM) における推定のためのフレームワークを提案する。 一般化ベイズ推論(GBI)の損失理論的視点を利用して、HMMにおける一般化フィルタリング再帰を定義する。 標準フィルタリングアルゴリズムと他のロバストフィルタの性能改善を観察する。
  論文  参考訳（メタデータ） (2020-02-23T22:15:52Z)

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。