Aug, 2014

基于参数化 SURE 近似消息传递的无先验压缩感知近乎最优算法

PDF
TL;DR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。
approximate message passingsure-based parametric denoiserconvergence ratemmse estimationparametric class
发现论文，激发创造
  • 无参数最优近似信息传递

    本文提出一种无需用户调整阈值参数的自动方式，采用修改过的梯度下降算法和 Stein 无偏风险估计，实现高稀疏恢复和压缩感知算法中的最小重构误差和最高收敛速率，为参数调整领域的最快收敛率理论保障提供了解决方案。

    Oct, 2013

  • 使用扫描逼近信息传递算法进行稀疏估计

    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

  • 贝叶斯最优卷积 AMP

    本文提出了 Bayes - 最优的卷积逼近信息传递 (CAMP) 用于压缩感知中的信号恢复，CAMP 使用与近似信息传递 (AMP) 相同的低复杂度匹配滤波器 (MF) 进行干扰抑制。

    Mar, 2020

  • 带图像去噪的近似信息传递压缩成像

    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

  • 一致参数估计的近似消息传递及其在稀疏学习中的应用

    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

  • 通过近似传递消息估计低秩矩阵

    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

  • S-AMP: 一般矩阵 Ensembles 的近似消息传递

    本文介绍了一种新型的迭代估计算法 S-AMP，其固定点是在一组（一阶和二阶）矩匹配约束下准确吉布斯自由能的静止点，在大系统极限下。该算法基于测量矩阵的频谱的 S 变换，并将近似信息传递（AMP）算法推广到一般矩阵集合上。此外，我们还表明，S-AMP 的最优性是直接由其设计而不是通过解决单独的优化问题（如 AMP 算法）而实现的。

    May, 2014

  • 空间耦合和近似消息传递在信息理论上的最优压缩感知

    研究利用空间耦合思想提高部分非零测量下的压缩感知重建算法效率，使用近似信息传递算法分析该问题。证明该算法成功条件为欠采样率超过信号的（上）Rényi 信息维度，对于稀疏信号从 k (n)+o (n) 的测量重建信号，对于离散信号从 o (n) 的测量重建信号，但需要知道信号的经验分布。

    Dec, 2011

  • 针对正交不变整体的近似消息传递：多元非线性和谱初始化

    本研究研究了一类适用于具有正交不变噪声的对称和矩形钉子随机矩阵模型的近似消息传递（AMP）算法，并使用贝叶斯方法介绍了一个 Bayes-OAMP 算法。

    Oct, 2021

  • 内存近似消息传递

    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