スパース表現のための基底学習と高次元データへの応用策

カテゴリ: 研究会(論文単位)

論文No: PI16009

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): Dictionary learning for sparse representation and workaround for high-dimensional data

著者名: 志波 舜平(長崎大学),酒井 智弥(長崎大学)

著者名(英語): Shunpei Shiwa(Nagasaki University),Tomoya Sakai(Nagasaki University)

キーワード: Ｋ－ＳＶＤ|ＪＬの補題|スパースコーディング|K-SVD|JL lemma|sparse coding

要約(日本語): 基底（辞書）学習とは，スパース表現したいデータの集合から数値的にスパースモデルを作成する手法である．本稿では，基底学習の代表的な算法を紹介する．また，高次元データの基底学習を避けつつスパース表現を効率的に得る枠組みも示す．

要約(英語): Dictionary learning, also known as basis learning, is a numerical computation of sparsely encoding basis functions as a sparse model from a given set of training data. This paper gives an overview of dictionary learning algorithms, and presents an computationally efficient framework for the sparse representation without learning a dictionary for high-dimensional data.

原稿種別: 日本語

PDFファイルサイズ: 918 Kバイト