Key points are not available for this paper at this time.
우리는 여러 측정 벡터에서 공동으로 희소한 매개변수 벡터를 추론하기 위한 계층 베이지안 학습 접근 방식을 제시합니다. 우리의 모델은 각 매개변수 벡터에 대해 별도의 조건부 가우시안 사전 분포를 사용하고, 공동 희소성을 강화하기 위해 일반 감마 분포의 하이퍼 매개변수를 사용합니다. 결과적으로 생성된 공동 희소성을 촉진하는 사전 분포는 기존의 베이지안 추론 방법과 결합하여 새로운 알고리즘 집합을 생성합니다. 다중 코일 자기 공명 영상 응용 프로그램을 포함한 우리의 수치 실험은 우리가 제시한 새로운 접근 방식이 일반적으로 사용되는 계층 베이지안 방법보다 일관되게 우수함을 보여줍니다.
Glaubitz 외(2023)가 이 질문을 연구했습니다.