elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Incremental Reformulated Automatic Relevance Determination

Shutin, Dmitriy und Kulkarni, Sanjeev und Poor, H. Vincent (2012) Incremental Reformulated Automatic Relevance Determination. IEEE Transactions on Signal Processing, 4977 -4981. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/TSP.2012.2200478. ISSN 1053-587X.

[img] PDF - Nur DLR-intern zugänglich
352kB

Kurzfassung

In this work, the relationship between the incremental version of sparse Bayesian learning (SBL) with automatic relevance determination (ARD) - a fast marginal likelihood maximization (FMLM) algorithm - and a recently proposed reformulated ARD scheme is established. The FMLM algorithm is an incremental approach to SBL with ARD, where the corresponding objective function - the marginal likelihood - is optimized with respect to the parameters of a single component provided that the other parameters are fixed; the corresponding maximizer is computed in closed form, which enables a very efficient SBL realization. Wipf and Nagarajan have recently proposed a reformulated ARD (R-ARD) approach, which optimizes the marginal likelihood using auxiliary upper bounding functions. The resulting algorithm is then shown to correspond to a series of reweighted -constrained convex optimization problems. This correspondence establishes and analyzes the relationship between the FMLM and R-ARD schemes. Specifically, it is demonstrated that the FMLM algorithm realizes an incremental approach to the optimization of the R-ARD objective function. This relationship allows deriving the R-ARD pruning conditions similar to those used in the FMLM scheme to analytically detect components that are to be removed from the model, thus regulating the estimated signal sparsity and accelerating the algorithm convergence.

elib-URL des Eintrags:https://elib.dlr.de/95818/
Dokumentart:Zeitschriftenbeitrag
Titel:Incremental Reformulated Automatic Relevance Determination
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Shutin, DmitriyDmitriy.Shutin (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kulkarni, Sanjeevkulkarni (at) princeton.eduNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Poor, H. Vincentpoor (at) princeton.eduNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:September 2012
Erschienen in:IEEE Transactions on Signal Processing
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/TSP.2012.2200478
Seitenbereich:4977 -4981
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:1053-587X
Status:veröffentlicht
Stichwörter:Automatic relevance determination, fast marginal likelihood maximization, sparse Bayesian learning.
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:Luftverkehrsmanagement und Flugbetrieb
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L AO - Air Traffic Management and Operation
DLR - Teilgebiet (Projekt, Vorhaben):L - Kommunikation, Navigation und Überwachung (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Kommunikation und Navigation
Hinterlegt von: Shutin, Dmitriy
Hinterlegt am:21 Apr 2015 10:18
Letzte Änderung:06 Sep 2019 15:17

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.