お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2014-11-21 11:50
ベルヌーイ正規事前分布を用いた圧縮センシングのハイパーパラメータ推定
渡部敏之井上純一北大NC2014-28
抄録 (和) 圧縮センシングは, 非ゼロ数の圧倒的に少ない情報源を効率よく,
少ない観測数から推定する方法論であるが, ベイズ推定のもとでは
通常, 事前分布としてラプラス分布 ($L_{1}$-正則化) が用いられる.
しかし, 非ゼロ率 (スパース率:ハイパーパラメータ) に対する
ベルヌーイ分布でゼロ / 非ゼロ成分が生成され, かつ,
非ゼロ成分が正規分布に従う「ベルヌーイ正規分布」を事前確率
として選んだ方が (真の分布もまたベルヌーイ正規分布である場合に)
「ベイズ最適性」という意味では好ましい.そこで, 本稿では,
レプリカ法を用いて平均自乗誤差等のハイパーパラメータ依存性
を評価するとともに, 周辺尤度に基づくパラメータ推定の
ダイナミックスを解析した結果を報告する. 
(英) Compressive sensing is a theory that estimates sparse
information signals which has few non-zero elements
from less observations. In terms of Bayesian estimation,
Laplasian distribution ($L_{1}$-regularization) is normally
chosen for the prior distribution. However, if a true
distribution is a Bernoulli normal distribution whose zero
or non-zero element is generated by a Bernoulli distribution
of a non-zero rate (sparse rate as a `hyper-parameter') and
the non-zero elements is normally distributed, the Bernoulli
normal distribution should be chosen for a candidate
of the prior distribution in the sense of Bayesian optimality.
In this paper, we evaluate a dependence of
the hyper-parameter on the mean-square error by
replica method and discuss the dynamics of hyper-parameter
estimation by means of EM algorithm to maximize
the marginal likelihood indirectly.
キーワード (和) 圧縮センシング / 統計力学 / レプリカ法 / EMアルゴリズム / マルコフ連鎖モンテカルロ法 / / /  
(英) Compressive sensing / Statistical mechanics / Replica method / EM algorithm / Markov chain Monte Carlo method / / /  
文献情報 信学技報, vol. 114, no. 326, NC2014-28, pp. 15-20, 2014年11月.
資料番号 NC2014-28 
発行日 2014-11-14 (NC) 
ISSN Print edition: ISSN 0913-5685    Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード NC2014-28

研究会情報
研究会 MBE NC  
開催期間 2014-11-21 - 2014-11-22 
開催地(和) 東北大学 
開催地(英) Tohoku University 
テーマ(和) BCI/BMIとその周辺, 一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 NC 
会議コード 2014-11-MBE-NC 
本文の言語 日本語 
タイトル(和) ベルヌーイ正規事前分布を用いた圧縮センシングのハイパーパラメータ推定 
サブタイトル(和)  
タイトル(英) Hyper-parameter estimation for compressive sensing with a Bernoulli-Gauss prior distribution 
サブタイトル(英)  
キーワード(1)(和/英) 圧縮センシング / Compressive sensing  
キーワード(2)(和/英) 統計力学 / Statistical mechanics  
キーワード(3)(和/英) レプリカ法 / Replica method  
キーワード(4)(和/英) EMアルゴリズム / EM algorithm  
キーワード(5)(和/英) マルコフ連鎖モンテカルロ法 / Markov chain Monte Carlo method  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 渡部 敏之 / Toshiyuki Watanabe / ワタナベ トシユキ
第1著者 所属(和/英) 北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.)
第2著者 氏名(和/英/ヨミ) 井上 純一 / Jun-ichi Inoue / イノウエ ジュンイチ
第2著者 所属(和/英) 北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2014-11-21 11:50:00 
発表時間 25分 
申込先研究会 NC 
資料番号 NC2014-28 
巻番号(vol) vol.114 
号番号(no) no.326 
ページ範囲 pp.15-20 
ページ数
発行日 2014-11-14 (NC) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会