多重スケールデータの頑健オンライン次元削減法の構築

构建多尺度数据的鲁棒在线降维方法

• 批准号: 22KJ2720
• 负责人: 鈴木 京平
• 金额: $ 1.6万
• 依托单位: Keio University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22KJ2720/
• 关键词: 頑健スパース信号復元; MC関数; 頑健回帰推定; グルーピング効果

多くの頑健スパース信号復元法では、統計的性質の異なる雑音と外れ値を区別しない定式化のため、高雑音環境下で性能が劣化してしまうことが問題となっている。また、推定精度と大域的最適性の間にトレードオフ問題が存在することも知られている。これらの問題を解決するため、2022年度は、minimax concave (MC)罰則に基づくスパース信号復元法とMC誤差関数に基づく頑健回帰推定法を凸最適化の枠組みで統合した新しい定式化を提案した。目的関数の大域的最適性を保証するため、滑らかな項が凸関数となるための必要十分条件を導出した。提案法により、高雑音環境下かつ劣決定問題の場合においても、外れ値に対して頑健にスパース信号復元が可能であることを、音声信号の雑音除去への応用を含む数値実験により実証した。さらに、提案法の定式化により、強い相関を持つ変数のグループが同時に選択されやすくなる効果（グルーピング効果）が得られることを理論的に示し、数値実験で実証した。グルーピング効果をもたらす代表的な手法であるエラスティックネットとは対照的に、入力ベクトルに高い相関がある場合、対応する係数の差の絶対値の上界が観測ベクトルの大きさに依存しないことを証明した。これにより、観測値に大きな外れ値が含まれる場合でもグルーピング効果を保つことが可能となる。これらの成果は2編の国際会議論文（MLSP）と1編の学術論文（IEEE Trans. Signal Processing）として発表した。

Multi-channel signal complex method is used to analyze the difference between the statistical properties and the acoustic properties. The problem of estimation accuracy and large domain optimality exists. In 2022, the minimax cave (MC) penalty is proposed for the optimization of the basic signal complex method, the MC error correlation method, the basic health regression estimation method, and the new formulation. The optimality of the objective relation number in a large domain is guaranteed by the necessary condition of the convex relation number. The proposed method is used to determine the problem in the case of high noise environment, high noise environment, high In addition, the formulation of the proposal method, the strong correlation, the selection of the number of results, and the number of results obtained. The result of the test is that there is a high correlation between the coefficient of the test and the upper bound of the test. For example, if the value of the measurement is large, the value of the measurement is large, and the value of the measurement is large, the value of the measurement is large. The results of this series are presented in two parts: MLSP and IEEE Trans. Signal Processing.

项目成果

Sparse Stable Outlier-Robust Signal Recovery Under Gaussian Noise

• DOI: 10.1109/tsp.2023.3244082
• 发表时间: 2023
• 期刊: IEEE Transactions on Signal Processing
• 影响因子: 5.4
• 作者: Kyohei Suzuki;M. Yukawa

Sparse Stable Outlier-Robust Regression with Minimax Concave Function

• DOI: 10.1109/mlsp55214.2022.9943378
• 发表时间: 2022-08
• 期刊: 2022 IEEE 32nd International Workshop on Machine Learning for Signal Processing (MLSP)
• 作者: Kyohei Suzuki;M. Yukawa

Multiscale Manifold Clustering and Embedding with Multiple Kernels

多尺度流形聚类和多核嵌入

• 发表时间: 2023
• 作者: Kyohei Suzuki;Masahiro Yukawa
• 通讯作者: Masahiro Yukawa

On Grouping Effect of Sparse Stable Outlier-Robust Regression

稀疏稳定离群值-鲁棒回归的分组效应研究

• 发表时间: 2022
• 作者: Kyohei Suzuki;Masahiro Yukawa
• 通讯作者: Masahiro Yukawa