本文引入基于 Stein 无偏风险估计 (SURE) 的参数化去噪器到近似信息传递 (AMP) 框架中，提出新的参数化 SURE-AMP 算法，该算法在每个迭代中通过最小化 SURE 来适应性地优化去噪器，从而保证最佳的恢复和收敛速度，同时还演示了该算法的优越恢复和运行速度。

Aug, 2014

提出一种新的稳定 AMP 算法的方法，这种算法通过逐个系数而不是并行地应用 AMP 更新来解决 AMP 在某些情况下不匹配其假设的收敛问题，并且不会增加过多的计算成本。

Jun, 2014

本篇论文介绍了一种低复杂度的迭代阈值算法，名为 AMP（近似消息传递），可从一小组线性测量中重构稀疏信号，并与相关文献建立联系。

Nov, 2009

此篇论文研究了使用最小绝对收缩和选择算子（LASSO）和近似消息传递（AMP）算法解决包含噪声和随机线性观测的问题，并回答了该问题中关于正则化参数和阈值参数的基本问题，帮助找到最优的参数调整方法。

Nov, 2015

本文介绍了使用 Approximate Message Passing（AMP）算法结合谱初始化来实现 Bayes-optimal 精度的方法，特别关注了如何应用于低秩矩阵估计问题中，同时讨论了其应用于稀疏低秩矩阵和高斯块模型中的实验结果。

Nov, 2017

通过开发非渐进性近似传递消息（AMP）的分布特征，本文在稀疏回归和鲁棒回归方面取得了进展，建立了 AMP 的首个有限样本的非渐进性分布理论，适应了多项迭代次数，进一步改进了高斯近似的精确度，提高了 Lasso 和鲁棒 M - 估计器的分布特征。

Jan, 2024

本篇文章介绍了一种更有效且更快的压缩成像算法，其中将近似消息传递 (AMP) 框架和基于小波的图像去噪器相结合，提供了两种压缩成像算法 (AMP-ABE 和 AMP-Wiener)，并通过数值实验验证了它们在运行时间和重建质量方面的性能优于现有算法。

May, 2014

提出了一种新的低成本迭代参数估计技术 - MAMP，通过长记忆匹配滤波器来抑制干扰并具有与 AMP 相媲美的复杂度，在所有右单位矩阵中，经过优化的 MAMP 收敛于 OAMP/VAMP，并因此成为最优贝叶斯估计。

Jun, 2021

本文章研究了使用广义线性模型的估计问题并探讨了使用近似消息传递算法的表现，提出使用谱估计器作为初始化方法以解决一些模型中初始化时的相关性和独立性问题，并通过两阶段人工消息传递算法进行分析和模拟实验验证了该方法。

Oct, 2020

提出了一种名为自适应广义近似信息传递（Adaptive GAMP）的新方法，它可以联合学习先验和测量通道的统计信息，同时估计未知向量，可应用于包括压缩感知中的稀疏先验学习、动态系统和神经尖峰过程中的线性非线性级联模型识别等一类学习问题，并证明了算法具有一定的收敛性。

Jul, 2012