平稳时间-顶点信号处理
机器学习
2019-07-09 v3 数据结构与算法
机器学习
摘要
本文考虑涉及高维多元过程的回归任务，其结构依赖于某种{已知}图拓扑。我们提出时间-顶点宽平稳性（或称联合平稳性）的新定义，其超越了乘积图。联合平稳性有助于降低估计方差和恢复复杂度。具体而言，对任意联合平稳过程，(a) 可从仅单次过程实现中可靠地学习协方差结构，(b) 以关于边数和时间步数近乎线性的计算时间求解MMSE恢复问题，如插值与去噪。在三个数据集上的实验表明，即使图仅近似已知或过程非严格平稳，联合平稳性仍能在图上演化的高维过程恢复中带来精度提升。
引用
@article{arxiv.1611.00255,
title = {Stationary time-vertex signal processing},
author = {Andreas Loukas and Nathanaël Perraudin},
journal= {arXiv preprint arXiv:1611.00255},
year = {2019}
}