Core Concepts
深層学習を使用して、共分散行列を効率的に推定するための自己監督学習フレームワークを提案する。
Abstract
I. 導入
共分散推定は統計信号処理における基本的な問題であり、多くの下流タスクに先立つ標準的な手法である。
深層学習は過去のデータでトレーニングされ、特定の特性を活用するよう最適化されている。
この論文の目標は、共分散行列を推定するための深層学習フレームワークを提案することである。
II. 自己監督共分散推定
SSCEは高価な最適化手法をニューラルネットワークで置き換えるものであり、全体データセットに対して一度だけグローバルにトレーニングされ、テスト時に効率的に適用可能。
SSCEアーキテクチャは自己注意メカニズムに基づいており、逆共分散行列を直接モデル化および出力する。
III. 理論
SSCEが真の未知の共分散行列を回復し、一貫性があることが示されている。
IV. 数値例
合成データとIPIX clutterデータ上でSSCEのパフォーマンスが評価されており、他の基準よりも優れた結果が得られている。
Stats
ニューラルネットワークを使用した高価な最適化手法を置き換える(II)
ゼロ平均ガウス負対数尤度(V)