Published August 15, 2020
| Version v1
Publication
Open
Accelerated Proximal Algorithm for Finding the Dantzig Selector and Source Separation Using Dictionary Learning
- 1. International Islamic University, Islamabad
- 2. COMSATS University Islamabad
Description
In most of the applications, signals acquired from different sensors are composite and are corrupted by some noise.In the presence of noise, separation of composite signals into its components without losing information is quite challenging.Separation of signals becomes more difficult when only a few samples of the noisy undersampled composite signals are given.In this paper, we aim to find Dantzig selector with overcomplete dictionaries using Accelerated Proximal Gradient Algorithm (APGA) for recovery and separation of undersampled composite signals.We have successfully diagnosed leukemia disease using our model and compared it with Alternating Direction Method of Multipliers (ADMM).As a test case, we have also recovered Electrocardiogram (ECG) signal with great accuracy from its noisy version using this model along with Proximity Operator based Algorithm (POA) for comparison.With less computational complexity compared with ADMM and POA, APGA has a good clustering capability depicted from the leukemia diagnosis.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
في معظم التطبيقات، تكون الإشارات التي يتم الحصول عليها من أجهزة الاستشعار المختلفة مركبة وتتلف بسبب بعض الضوضاء. في وجود الضوضاء، يكون فصل الإشارات المركبة إلى مكوناتها دون فقدان المعلومات أمرًا صعبًا للغاية. يصبح فصل الإشارات أكثر صعوبة عندما يتم إعطاء عدد قليل فقط من عينات الإشارات المركبة الصاخبة تحت العينة. في هذه الورقة، نهدف إلى العثور على محدد دانتزيغ مع قواميس مفرطة الاكتمال باستخدام خوارزمية التدرج الدليلي المعجل (APGA) لاسترداد وفصل الإشارات المركبة تحت العينة. لقد نجحنا في تشخيص مرض سرطان الدم باستخدام نموذجنا ومقارنته بطريقة الاتجاه المتردد للمضاعفات (ADMM). كحالة اختبار، استعدنا أيضًا إشارة مخطط كهربية القلب (ECG) بدقة كبيرة من نسخته المزعجة باستخدام هذا النموذج جنبًا إلى جنب مع الخوارزمية القائمة على عامل التقارب (POA) للمقارنة. مع تعقيد حسابي أقل مقارنة مع ADMM و POA، تتمتع APGA بقدرة تجميع جيدة تم تصويرها من تشخيص سرطان الدم.Translated Description (French)
Dans la plupart des applications, les signaux acquis à partir de différents capteurs sont composites et sont corrompus par du bruit. En présence de bruit, la séparation des signaux composites en ses composants sans perdre d'informations est assez difficile. La séparation des signaux devient plus difficile lorsque seuls quelques échantillons des signaux composites sous-échantillonnés bruyants sont donnés. Dans cet article, nous visons à trouver le sélecteur de Dantzig avec des dictionnaires surcomplets utilisant l'algorithme de gradient proximal accéléré (APGA) pour la récupération et la séparation des signaux composites sous-échantillonnés. Nous avons diagnostiqué avec succès la leucémie à l'aide de notre modèle et l'avons comparé à la méthode des multiplicateurs à direction alternée (ADMM). En tant que cas de test, nous avons également récupéré le signal d'électrocardiogramme (ECG) avec une grande précision à partir de sa version bruyante en utilisant ce modèle ainsi que l'algorithme basé sur l'opérateur de proximité (POA) pour la comparaison. Avec moins de complexité computationnelle par rapport à l'ADMM et au POA, l'APGA a une bonne capacité de regroupement dépeinte à partir du diagnostic de la leucémie.Translated Description (Spanish)
En la mayoría de las aplicaciones, las señales adquiridas de diferentes sensores son compuestas y están dañadas por algún ruido. En presencia de ruido, la separación de señales compuestas en sus componentes sin perder información es bastante desafiante. La separación de señales se vuelve más difícil cuando solo se dan unas pocas muestras de las señales compuestas submuestreadas ruidosas. En este documento, nuestro objetivo es encontrar el selector de Dantzig con diccionarios sobrecompletos utilizando el algoritmo de gradiente proximal acelerado (APGA) para la recuperación y separación de señales compuestas submuestreadas. Hemos diagnosticado con éxito la enfermedad leucémica utilizando nuestro modelo y lo hemos comparado con el método de multiplicadores de dirección alterna (ADMM). Como caso de prueba, también hemos recuperado la señal del electrocardiograma (ECG) con gran precisión de su versión ruidosa utilizando este modelo junto con el algoritmo basado en el operador de proximidad (POA) para la comparación. Con menos complejidad computacional en comparación con ADMM y POA, APGA tiene una buena capacidad de agrupación representada a partir del diagnóstico de leucemia.Files
351989.pdf
Files
(1.1 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:28ed6a9119994aab2c70f0642b85109c
|
1.1 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- الخوارزمية القريبة المعجلة لإيجاد محدد دانتزيغ وفصل المصدر باستخدام تعلم القاموس
- Translated title (French)
- Algorithme proximal accéléré pour trouver le sélecteur de Dantzig et la séparation des sources à l'aide de l'apprentissage par dictionnaire
- Translated title (Spanish)
- Algoritmo proximal acelerado para encontrar el selector de Dantzig y la separación de fuentes utilizando el aprendizaje del diccionario
Identifiers
- Other
- https://openalex.org/W3093862468
- DOI
- 10.17559/tv-20190328105259
References
- https://openalex.org/W1492320167
- https://openalex.org/W2002488716
- https://openalex.org/W2006961489
- https://openalex.org/W2013210666
- https://openalex.org/W2017524580
- https://openalex.org/W2030161963
- https://openalex.org/W2038123181
- https://openalex.org/W2043089841
- https://openalex.org/W2100556411
- https://openalex.org/W2103955025
- https://openalex.org/W2108960412
- https://openalex.org/W2119058682
- https://openalex.org/W2122480412
- https://openalex.org/W2126133656
- https://openalex.org/W2129108548
- https://openalex.org/W2138170572
- https://openalex.org/W2143655919
- https://openalex.org/W2149481914
- https://openalex.org/W2154332973
- https://openalex.org/W2346836781
- https://openalex.org/W2507344106
- https://openalex.org/W2557249194
- https://openalex.org/W2559544124
- https://openalex.org/W2747727817
- https://openalex.org/W2800194619
- https://openalex.org/W2963874418
- https://openalex.org/W2984728553
- https://openalex.org/W302833118