截断 SVD 在一般高秩矩阵估计问题中的能力
本文提出一项新的算法,使用随机痕量估计方法,多项式逼近,以及快速系统求解器等高效地获得一个矩阵的奇异值谱的直方图,并用其来求解一类对称矩阵范数。同时,证明了精度高的算法可以在次立方时间内进行矩阵乘法,从而限制了计算有效电阻的难度。
Apr, 2017
本文提出了一种新的算法,利用 Nystrom 逼近和截断秩的新机制实现了从草图中进行固定秩正半定逼近,并证明了在 Schatten 1 - 范数中可以实现任何预设的相对误差,能够利用输入矩阵的谱衰减,并在计算机实验中表现出比固定秩正半定矩阵逼近的替代技术更好的性能。
Jun, 2017
本文介绍了随机 SVD 方法的推广版,使用多元高斯向量代替标准高斯向量进行矩阵 - 向量乘积,以允许将先前的知识加入算法中,进而探索基于高斯过程函数的 Hilbert-Schmidt(HS)算子的随机 SVD 的连续模拟。文中提出了一种新的基于加权 Jacobi 多项式的协方差核,从而使随机生成的函数具有良好的平滑性,再通过数值实验证明其适用性。
May, 2021
该论文对一种适用于一般矩阵的 Nystr {"o} m 方法进行了研究,并表明它的近似质量接近其他竞争方法,在数值稳定性方面表现良好。文中阐述了该方法的计算成本,并演示了可以在更新和降低矩阵时使用该方法。
Sep, 2020
本文探讨了带有位移结构(如 Pick 矩阵、Vandermonde 矩阵和 Hankel 矩阵)的矩阵,并利用极值问题得出了这些矩阵奇异值的显式界限,从而可以通过秩近似来逼近这些矩阵
Sep, 2016
在输入转换设置中,我们研究低秩逼近,给出了该问题的条件时间难度结果和运行时下界,同时证明了这些下界是紧致的,并提供了使用基于张量的草图的相对误差逼近算法。
Nov, 2023
该论文针对矩阵扰动中的特征向量进行了研究,证明了当矩阵是低秩和不相干的时候,奇异向量的(或对称情况下的特征向量)l∞范数扰动界限比 l2 范数扰动界限更小一个因子。作者在稳健协方差估计方面提出了新的建模方法,并利用所开发的扰动界限确立其渐近性质。
Mar, 2016
通过矩阵分解问题中的凸松弛方法,结合核范数和分解式正则化,我们分析了一个能得到估计值的一般性定理,该定理可以适用于低秩矩阵、稀疏矩阵及一些可压缩的高维矩阵。我们利用了峰态条件,得到了确定性和随机性噪声矩阵的非渐近性弗罗贝尼乌斯误差界,同时也证实了最小化误差的下限和数值模拟结果的契合度。
Feb, 2011
研究高维推断中估计矩阵的问题,提出基于迹或核范数的正则化 M 估计方法来近似低秩矩阵,分析其性能并提供 Frobenius 范数误差的非渐近界限,并应用于多变量回归、向量自回归过程等特定矩阵模型,模拟结果与理论预测吻合度高。
Dec, 2009