Texto completo
| |
| Autor(es): |
Paulo Victor Camargo Rossi
Número total de Autores: 1
|
| Tipo de documento: | Tese de Doutorado |
| Imprenta: | São Paulo. |
| Instituição: | Universidade de São Paulo (USP). Instituto de Física (IF/SBI) |
| Data de defesa: | 2018-03-02 |
| Membros da banca: |
Renato Vicente;
Nestor Felipe Caticha Alfonso;
Adriano Polpo de Campos;
Tania Tome Martins de Castro;
Masayuki Oka Hase
|
| Orientador: | Renato Vicente |
| Resumo | |
Neste trabalho, Compressed Sensing é introduzido do ponto de vista da Física Estatística. Após uma introdução sucinta onde os conceitos básicos da teoria são apresentados, incluindo condições necessárias para as medições e métodos básicos de reconstrução do sinal, a performance típica do esquema Bayesiano de reconstrução é analisada através de um cálculo de réplicas exposto em detalhe pedagógico. Em seguida, a principal contribuição original do trabalho é introduzida --- o algoritmo Bayesiano de Compressed Sensing Online faz uso de uma aproximação de campo médio para simplificar cálculos e reduzir os requisitos de memória e computação, enquanto mantém a acurácia de reconstrução do esquema offline na presença de ruído aditivo. A última parte deste trabalho contém duas extensões do algoritmo online que permitem reconstrução otimizada do sinal no cenário mais realista onde conhecimento perfeito da distribuição geradora não está disponível. (AU) | |
| Processo FAPESP: | 14/00792-7 - Mecânica estatística aplicada à compressed sensing |
| Beneficiário: | Paulo Victor Camargo Rossi |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |