本文探讨了一类近似信息传递算法并利用适当的状态演化递归刻画了它们在高维情况下的行为,证明适用于具有独立但不一定等同分布条目的高斯矩阵,其中包括 Rangan 介绍的广义 AMP 和压缩感知中与空间耦合的感知矩阵的 AMP 重建的分析。证明技术建立在 [BMS11] 的技术之上,同时简化并推广了几个步骤。
Nov, 2012
该研究论文证明了 Bayes-optimal 正交 / 向量 AMP 在大系统极限下的收敛性,并通过新的统计解释证明了 Bayes-optimal LM-MP 状态演化递归的收敛性,因而证明了 Bayes-optimal 正交 / 向量 AMP 的状态演化递归的收敛性。
Nov, 2021
本文提供了第一个严格的基础,证明了近似信息传递与状态演化在大系统极限下可以被用于矩阵感知算法,并将该分析推广到密集图上。证明技术与传统方法不同,在于它处理了根据因子图中的大量短环。
Jan, 2010
该论文介绍了一种基于近似信息传递的算法 Approximate Message Passing,旨在解决高维数据矩阵的压缩感知重构、回归和矩阵恢复等问题,通过状态演化的方式对特定类别的随机矩阵进行了建模,并将该方法推广到利普希茨连续的非可分非线性问题,同时提出了一种名为 LAMP 的改进算法。
Aug, 2017
本文研究了基于正交旋转不变性矩阵的更通用的近似传递算法(AMP),其中该算法的 Onsager 修正和状态演化由该矩阵的谱分布的自由累积量或矩形自由累积量定义。研究还表明,该算法用于具有先验结构的主成分分析时,可以比样本主成分更准确地进行估计。
Aug, 2020
本文提出了一种新的算法 SS-MAMP 来解决 Approximate message passing 算法在迭代过程中的收敛问题,在满足充分统计条件的情况下保证了算法的收敛和正交性。
Jun, 2022
本文提出一种基于去相关线性估计和无发散非线性估计的正交 AMP 算法,并推导出适用于各种酉不变矩阵的状态演化过程,数值结果表明该算法在病态矩阵情况下比 AMP 更有优势。
Feb, 2016
提出并分析一种近似信息传递 (AMP) 算法,用于矩阵张量乘积模型,其中使用一种新方法在每次迭代中优化加权和组合多个估计;利用非可分函数的 AMP 收敛定理,证明了非可分函数的状态演变,提供了其在高维极限下性能的渐近精确描述。
Jun, 2023
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
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