Seperti yang Anda catat dengan benar penginderaan terkompresi, pengambilan sampel tekan, pengambilan sampel jarang semua memiliki arti yang sama. Beberapa penulis juga menyebutnya penginderaan jarang. Gagasan di balik penginderaan terkompresi adalah bahwa sinyal jarang dapat dipulihkan dari sangat sedikit pengukuran linier. Dalam simbol, jika adalah jarang vektor vektor, dan adalah matriks dengan , dan kami mengukur , lalu dikompresi teori penginderaan memberi tahu kita bahwa kita dapat memulihkan darixN×1‡AM×NM≪Ny=Ax†xy. Ini luar biasa karena dikatakan bahwa kita dapat memulihkan sinyal asli dari pengukuran yang lebih sedikit .
Pembelajaran kamus di sisi lain berurusan dengan masalah yang sama sekali berbeda untuk mewakili sekelompok vektor data dengan cara yang pelit. Diberikan sekumpulan vektor data , kami ingin mencari kumpulan vektor lain (disebut "atom") sedemikian rupa sehingga setiap vektor data dapat direpresentasikan sebagai kombinasi linear dari . Himpunan atom disebut kamus. Tujuannya di sini adalah untuk mempelajari kamus yang jauh lebih kecil dari jumlah vektor data yaitu .{x1,x2,…,xK}{v1,v2,…,vL}xivj∗L<K
Diberikan seperangkat atom dalam kamus dan vektor , tujuan pengkodean jarang adalah untuk mewakili sebagai kombinasi linier dari sesedikit mungkin atom.yy
Akhirnya, pembelajaran kamus jarang adalah kombinasi dari pembelajaran kamus dan pengkodean jarang. Tujuannya di sini adalah dua kali lipat: menemukan representasi sekumpulan vektor data dan memastikan bahwa masing-masing vektor data dapat ditulis sebagai kombinasi linear dari sesedikit mungkin atom.
Compressed Sensing v / s Sparse Coding
Kedua teknik ini berhubungan dengan menemukan representasi jarang tetapi ada perbedaan halus.
Penawaran penginderaan terkompresi secara khusus dengan masalah penyelesaian sistem persamaan linear yang tidak ditentukan yaitu lebih sedikit poin data daripada sinyal asli. Dari sinyal jarang yang tidak diketahui dan sensing matrix , kami mengamati vektor data . memiliki lebih sedikit baris daripada kolom. Teori penginderaan terkompresi berurusan dengan jenis pertanyaan pertanyaan berikut:xAy=AxA
Dalam kondisi apa set persamaan linier yang ditentukan di bawah ini dapat dipecahkan dan bagaimana kita menyelesaikannya dengan cara yang kuat secara komputasional dan dapat ditiru secara komputasi?
Bagaimana kita merancang matriks penginderaan untuk berbagai aplikasi?A
Sebaliknya, jarang coding tidak berurusan dengan pertanyaan merancang . Selain itu Anda tidak tertarik untuk menyelesaikan sistem persamaan yang tidak ditentukan --- diizinkan memiliki lebih banyak baris daripada kolom. AA%
Referensi:
Sensing Kompresif [Catatan Kuliah]
Belajar Kamus
Pembelajaran kamus online untuk pengkodean yang jarang
Catatan kaki:
‡ Jarang berarti vektor memiliki sangat sedikit elemen bukan nol.
† A dan perlu memenuhi beberapa kondisi teknis.M
∗ Tidak seperti metode transformasi standar seperti transformasi Fourier, pembelajaran kamus bersifat adaptif data. Saat mengambil transformasi Fourier, vektor basis diperbaiki sebelumnya (eksponensial kompleks). Dalam pembelajaran kamus, mereka dipelajari dari data.vj
% Ini disebut kamus yang terlalu lengkap.