模型失配下的顺序感知
机器学习
2016-11-18 v2 信息论
机器学习
math.IT
统计理论
统计理论
摘要
我们刻画了顺序信息引导感知（Info-Greedy Sensing）在真实信号模型与假设模型（可能是样本估计）存在失配时的性能。具体而言，我们考虑一种设置，其中信号为低秩高斯分布，且测量方向沿协方差矩阵特征向量的方向，按特征值降序排列。我们建立了一组性能界，描述了在使用失配协方差矩阵时信号后验熵的差距，以及达到相同信号恢复精度所需的额外功率量。基于此，我们进一步研究了如何使用样本协方差矩阵或高效的协方差草图方案来选择 Info-Greedy Sensing 的初始化。
引用
@article{arxiv.1501.06241,
title = {Sequential Sensing with Model Mismatch},
author = {Ruiyang Song and Yao Xie and Sebastian Pokutta},
journal= {arXiv preprint arXiv:1501.06241},
year = {2016}
}
备注
Submitted to IEEE for publication