高効率ランダム射影とスパース再構成による高次元非線形写像と逆散乱問題への応用

カテゴリ: 研究会(論文単位)

論文No: PI16007

グループ名: 【C】電子・情報・システム部門 知覚情報研究会

発行日: 2016/01/09

タイトル(英語): High-dimensional nonlinear mapping via efficient random projection and sparse reconstruction with application to an inverse scattering problem

著者名: 宮田 大輔(長崎大学),酒井 智弥(長崎大学)

著者名(英語): Daisuke Miyata(Nagasaki University),Tomoya Sakai(Nagasaki University)

キーワード: 圧縮センシング|ＪＬの補題|逆問題|compressive sensing|JL lemma|inverse problem

要約(日本語): 高次元の入力と出力を用いたニューラルネットワークによる非線形写像は，重みパラメタが膨大であるために計算量が大きい．教師データの高効率ランダム射影を用いたExtreme learning machine(ELM)アルゴリズムによって学習の計算量を削減することが可能である．高次元出力はスパースモデルにより再構成される．圧縮ELMを逆散乱問題の解法に応用した例を示す．

要約(英語): Learning nonlinear mapping as a neural network with high-dimensional input and output is computationally expensive due to a huge number of weight parameters. The so-called extreme learning machine (ELM) algorithm accelerated with an efficient random projection of training data can reduce the computational cost of learning. The high-dimensional output is reconstructed on the basis of its sparse model. We show an application of our compressive ELM to solving an inverse scattering problem.

原稿種別: 日本語

PDFファイルサイズ: 1,092 Kバイト