Mar, 2010
随机矩阵的非渐近理论:极奇异值
Non-asymptotic theory of random matrices: extreme singular values
Mark Rudelson, Roman Vershynin
TL;DR该研究论文介绍了如何基于几何方法来估计具有独立条目的随机矩阵的极奇异值,重点关注了随机矩阵的硬边缘 (最小奇异值) 的非渐近理论。
Abstract
The classical random matrix theory is mostly focused on asymptotic spectral
properties of random matrices as their dimensions grow to infinity. At the same
time many recent applications from convex geometry to functional analysis to
information theory operate with →
发现论文,激发创造
随机矩阵的非渐近分析入门
本文是一篇介绍随机矩阵理论基本的非渐近方法和概念的教程,其中涵盖了许多在理论计算机科学、统计学和信号处理等领域的应用,尤其对于统计学中的协方差矩阵估计问题和压缩感知的概率构造测量矩阵的验证有基本应用。
Nov, 2010
大矩形随机矩阵的低秩扰动的奇异值和向量
本文研究大型矩形随机矩阵的有限低秩扰动的奇异值和奇异向量,证明了极值奇异值和相应奇异向量投影的近乎必然收敛性,并且在自由概率论中通过积分变换线性化了矩形加性卷积,揭示了非随机极限值明确取决于未受扰动矩阵的奇异值分布,我们研究了奇异值相变对相关左右奇异向量的影响,并且讨论了超过这些非随机限制的有限 $n$ 波动的后果。
Mar, 2011
具有独立条目的随机矩阵范数的尖锐非渐进界限
本文研究了具有独立条目的随机矩阵的谱范数的非渐进界,并在子高斯分布和矩阵形状方面进行了扩展,该方法基于矩法和几何泛函分析技术。本文还研究了具有 Rademacher 分布的矩阵的规范并证明了谱边缘的相位转变行为。
Aug, 2014
深度神经网络中出现的随机矩阵。高斯情况
本研究针对出现在深度神经网络分析中的随机矩阵乘积奇异值分布进行了研究,其中,数据矩阵的总体协方差矩阵是随机的,基于随机矩阵理论和标准技术,分析了数据矩阵的非高斯分布并阐述其在分析宏观普适性方面的潜在应用。
Jan, 2020
随机对称矩阵的特征值集中
本文采用 Talagrand 的不等式证明了各种随机对称矩阵的前几个最大的(也是最重要的)特征值非常强烈地集中。这种强烈的集中现象使我们能够高精度地计算这些特征值的均值。我们的方法非常不同于传统方法。
Sep, 2000
从高维统计学的角度看二范数到无穷范数与奇异子空间几何
该论文提供了一系列新的技术和理论工具,旨在使用二至无限范数研究奇异子空间的几何结构,并推导出奇异向量的扰动边界,这在各种统计应用中具有重要意义,包括协方差估计、奇异子空间恢复和多图推断等。
May, 2017