本稿では、変分オートエンコーダを利用したパラメータ化された推定器フレームワークを提案する。以下の通り、主な内容は:
変分オートエンコーダを用いて条件付きガウス分布モデルを構築し、ノイズ観測に基づいて推定対象の条件付き平均と分散を得る。この条件付き分布モデルを利用して条件付き線形最小二乗誤差推定器を導出する。
提案の推定器は変分オートエンコーダを生成モデルとして活用することで最小二乗誤差推定器を近似する。
提案手法には3つの推定器バリアントを紹介する。これらは学習時と推定時の真値データの利用可能性が異なる。特に、ノイズ観測のみを利用して学習・推定を行う「VAE-real」は注目に値する。
提案推定器とMMSE推定器の性能差に関する理論的な誤差解析を行う。この解析から、提案推定器にはバイアス-分散トレードオフが存在することが示される。
チャンネル推定を適用例として取り上げ、構造化された共分散行列パラメータ化と低計算量実装を示す。しかし、提案フレームワークはチャンネル推定に限定されず、広範な推定問題に適用可能である。
数値シミュレーションにより、理論解析の妥当性を検証するとともに、提案手法の優れた推定性能を確認する。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問