基于多数投票神经网络的二进制压缩感知稀疏信号恢复
信息论
2016-11-01 v1 机器学习
math.IT
机器学习
摘要
在本文中，我们提出了用于二进制压缩感知中稀疏信号恢复的多数投票神经网络。多数投票神经网络由几个独立训练的前馈神经网络组成，采用 sigmoid 函数作为激活函数。我们的实证研究表明，网络训练过程中使用的损失函数的选择至关重要。我们发现了一种适用于稀疏信号恢复的损失函数，其中包括一个类似交叉熵的项和一个 正则化项。从实验结果中我们观察到，多数投票神经网络实现了卓越的恢复性能，随着组成网络数量的增加，其性能接近最优性能。多数投票神经网络的简单架构将有利于软件和硬件实现。
引用
@article{arxiv.1610.09463,
title = {Sparse Signal Recovery for Binary Compressed Sensing by Majority Voting Neural Networks},
author = {Daisuke Ito and Tadashi Wadayama},
journal= {arXiv preprint arXiv:1610.09463},
year = {2016}
}
备注
6 pages