抖动自适应字典学习——在多试次神经电信号中的应用
机器学习
2013-06-25 v4
摘要
字典学习已被证明是许多图像处理任务的强大工具，其中原子通常定义在小的图像块上。其缺点在于字典仅编码基本结构。此外，该方法将不同位置的图像块置于单一集合中处理，这意味着当特征在信号间良好对齐时会丢失信息。例如，在多试次脑磁图或脑电图(M/EEG)中就是这种情况。在整个信号上学习字典可以利用这种对齐性并揭示更高层次的特征。然而在这种情况下，特征的微小未对齐或相位变化将无法得到补偿。在本文中，我们提出了一种对常见字典学习框架的扩展，通过允许原子在信号间自适应其位置来克服这些限制。该方法在模拟和真实的神经电数据上得到了验证。
引用
@article{arxiv.1301.3611,
title = {Jitter-Adaptive Dictionary Learning - Application to Multi-Trial Neuroelectric Signals},
author = {Sebastian Hitziger and Maureen Clerc and Alexandre Gramfort and Sandrine Saillet and Christian Bénar and Théodore Papadopoulo},
journal= {arXiv preprint arXiv:1301.3611},
year = {2013}
}
备注
9 pages, 5 figures, minor corrections