スパースコーディングは少数の基底の線形和で信号を表現する方法論である.信号の表現に利用する基底集合の選択は信号の近似性能を左右する重要な問題であり,観測した信号から基底を学習することで柔軟かつ適応的な信号の近似が可能となる.本研究では,ウェーブレットのように単一の母基底からシフトとスケーリングによって構造化した基底を生成する方法と,その母基底を学習する手法を提案する.また,提案手法を人工データ及び実データに対して適用し,提案手法の利点と特徴について述べる.
Sparse Coding is a methodology to represent signals with combinations of only a small number of basis vectors. In sparse coding, designing dictionary is a fundamental problem. An approach for desigining dictionary which adapts observed signals is learning from observed signals. In this paper, like wavelet analysis, a dictionary for sparse signal representation is assumed to be generated from single vector called ancestral atom, and a method for learning the ancestral atom is proposed. Experimental results of ancestral atom learning by proposed method with both artificial and real-world seismic signal are shown to exhibit characteristics and advantages of the proposed algorithm.