| 講演名 | 2020-08-27 ［招待講演］信号処理・無線通信に対する深層展開型アルゴリズムの進展 高邉 賢史(名工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本講演では深層展開と呼ばれる深層学習手法について概説する．深層展開は既存の反復アルゴリズムの繰り返し構造を展開し，学習可能パラメタを導入することで訓練データから適切なパラメタの値を学習する手法である．アルゴリズムの内部処理が微分可能であれば，誤差逆伝搬法等の通常の深層学習的技法によってパラメタの学習が可能となる．このような特色から深層展開はデータ駆動アルゴリズム設計を実現する一手法であり，近年提唱されている可微分プログラミングとも密接な関係がある．深層展開は (i) 各分野固有の最適化アルゴリズムが広く利用可能である点， (ii) 比較的少数の学習可能パラメタ数と低学習コストで大きな性能向上，収束速度の改善が期待できる点， (iii) 学習結果の解釈可能性が高い点，から近年無線通信やその他逆問題を含む信号処理分野での応用例が増加している．本講演では，はじめに簡単な例を通して深層展開の基礎的事項を紹介しその特徴について述べる．さらに，圧縮センシングや無線通信における信号検出等の信号処理分野への近年の応用について紹介する．また，深層展開の今後の方向性についても議論する． |
| 抄録(英) | In this talk, I will briefly review recent progress of deep unfolding as a promising deep learning technique. A network architecture of deep unfolding is given by unfolding the recursive structure of existing iterative algorithms and embedding trainable parameters. Then, if all sub-processes of the unfolded algorithm are differentiable, these trainable parameters can be learned by standard deep learning techniques such as back propagation. In this sense, deep unfolding is a variant of data-driven algorithm design and deeply related to recently proposed idea of differentiable programming. Advantages of deep unfolding are as follows: (i) a wide range of domain-specific algorithms are available. (ii) Deep-unfolded algorithms can improve convergence speed and convergent performance by learning rather small number of trainable parameters with low training cost. (iii) Learned parameters are possibly interpretable. From these advantages, deep unfolding has been widely applied to signal processing including wireless communications and other inverse problems. In the talk, first I will introduce a basic idea of deep unfolding, and present some examples of deep-unfolded algorithms for compressed sensing and other wireless communication problems such as MIMO signal detection. We also discuss future directions of deep unfolding. |
| キーワード(和) | 深層学習 / 深層展開 / MIMO / 圧縮センシング |
| キーワード(英) | deep learning / deep unfolding / MIMO / compressed sensing |
| 資料番号 | SIP2020-30 |
| 発行日 | 2020-08-20 (SIP) |
| 研究会情報 | |
| 研究会 | SIP |
|---|---|
| 開催期間 | 2020/8/27(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 数理，学習，信号処理一般（画像・音声音響・通信・実現システム・基礎等) |
| テーマ（英） | |
| 委員長氏名（和） | 林 和則(京大) |
| 委員長氏名（英） | Kazunori Hayashi(Kyoto Univ.) |
| 副委員長氏名（和） | 坂東 幸浩(NTT) / 田中 聡久(東京農工大) |
| 副委員長氏名（英） | Yukihiro Bandou(NTT) / Toshihisa Tanaka(Tokyo Univ. Agri.&Tech.) |
| 幹事氏名（和） | 小西 克巳(法政大) / 杉本 憲治郎(早大) |
| 幹事氏名（英） | Katsumi Konishi(Hosei Univ.) / Kenjiro Sugimoto(Waseda Univ.) |
| 幹事補佐氏名（和） | 田中 雄一(東京農工大) |
| 幹事補佐氏名（英） | Yuichi Tanaka(Tokyo Univ. Agri.&Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Signal Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［招待講演］信号処理・無線通信に対する深層展開型アルゴリズムの進展 |
| サブタイトル（和） | |
| タイトル（英） | [Invited Talk] Recent Advance of Deep-Unfolded Algorithms for Signal Processing and Wireless Communications |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層学習 / deep learning |
| キーワード(2)（和/英） | 深層展開 / deep unfolding |
| キーワード(3)（和/英） | MIMO / MIMO |
| キーワード(4)（和/英） | 圧縮センシング / compressed sensing |
| 第 1 著者 氏名（和/英） | 高邉 賢史 / Satoshi Takabe |
| 第 1 著者 所属（和/英） | 名古屋工業大学(略称：名工大) Nagoya Institute of Technology(略称：NITech) |
| 発表年月日 | 2020-08-27 |
| 資料番号 | SIP2020-30 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | SIP-142 |
| ページ範囲 | pp.11-11(SIP), |
| ページ数 | 1 |
| 発行日 | 2020-08-20 (SIP) |