講演抄録/キーワード |
講演名 |
2022-01-21 11:20
TopK演算子を利用した深層展開型疎信号復元アルゴリズム ○水谷将成(名工大)・高邉賢史(東工大)・和田山 正(名工大) IT2021-72 SIP2021-80 RCS2021-240 |
抄録 |
(和) |
スパース信号を推定する圧縮センシングはNP困難な最適化問題として定式化される
ため,代わりにそれを凸緩和したLASSOと呼ばれる最適化問題が解かれることが多い.
しかし,LASSOに基づく手法は,原信号の非零成分数$k$が既知の場合,その情報を直接利用できないという問題点がある.
これに対して,本稿ではTopK演算子と呼ばれる近似射影演算子を利用することで,$k$の値を直接利用して解を探索する.
射影勾配法的な反復手法であるTopK-ISTAを提案する.
さらに,反復アルゴリズムの内部パラメータを学習する深層展開をTopK-ISTAに適用することで,訓練データに応じたパラメータ調整を行う学習可能アルゴリズムを提案し,数値実験によりその信号推定性能を評価する. |
(英) |
Compressed sensing for estimating sparse signals is formulated as an NP-hard problem, where LASSO based on convex relaxation is usually solved alternatively.
A drawback of LASSO-based methods is that prior information on sparsity $k$ of an original vector is directly unavailable.
In this paper, we present a projected gradient descent-like algorithm called TopK-ISTA using an approximate projection operator called TopK operator, which iteratively searches a solution using the sparsity $k$ directly.
In addition, we propose a trainable algorithm by combining TopK-ISTA with the notion of deep unfolding, in which internal parameters of the algorithm can be learned using training data.
We also evaluate its signal recovery performance by comparing some existing methods. |
キーワード |
(和) |
圧縮センシング / 近似射影 / 射影勾配法 / 深層展開 / / / / |
(英) |
compressed sensing / approximate projection / projected gradient descent / deep unfolding / / / / |
文献情報 |
信学技報, vol. 121, no. 328, SIP2021-80, pp. 245-251, 2022年1月. |
資料番号 |
SIP2021-80 |
発行日 |
2022-01-13 (IT, SIP, RCS) |
ISSN |
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 |
IT2021-72 SIP2021-80 RCS2021-240 |
研究会情報 |
研究会 |
RCS SIP IT |
開催期間 |
2022-01-20 - 2022-01-21 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
無線通信のための信号処理,学習,数理,情報理論および一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
SIP |
会議コード |
2022-01-RCS-SIP-IT |
本文の言語 |
日本語 |
タイトル(和) |
TopK演算子を利用した深層展開型疎信号復元アルゴリズム |
サブタイトル(和) |
|
タイトル(英) |
Deep-Unfolded Sparse Signal Recovery Algorithm using TopK Operator |
サブタイトル(英) |
|
キーワード(1)(和/英) |
圧縮センシング / compressed sensing |
キーワード(2)(和/英) |
近似射影 / approximate projection |
キーワード(3)(和/英) |
射影勾配法 / projected gradient descent |
キーワード(4)(和/英) |
深層展開 / deep unfolding |
キーワード(5)(和/英) |
/ |
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) |
水谷 将成 / Masanari Mizutani / ミズタニ マナサリ |
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) |
第2著者 氏名(和/英/ヨミ) |
高邉 賢史 / Satoshi Takabe / タカベ サトシ |
第2著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: TITech) |
第3著者 氏名(和/英/ヨミ) |
和田山 正 / Tadashi Wadayama / ワダヤマ タダシ |
第3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) |
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 |
2022-01-21 11:20:00 |
発表時間 |
25分 |
申込先研究会 |
SIP |
資料番号 |
IT2021-72, SIP2021-80, RCS2021-240 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.327(IT), no.328(SIP), no.329(RCS) |
ページ範囲 |
pp.245-251 |
ページ数 |
7 |
発行日 |
2022-01-13 (IT, SIP, RCS) |
|