本文提出了一种补偿广泛使用的凸估计器偏差的简单程序，从而实现了对噪声矩阵完成的不确定性和推断，并产生了近乎精确的非渐近分布表征，进而实现了对缺失条目和低秩因子的置信区间的最优构建。

Jun, 2019

通过引入新的统计量和利用数据分割和对称聚合方案，该研究开发了一种通用方法来控制多元线性形式的测试的误发现率，并展示了在几乎最优的样本量需求下可以实现有效的 FDR 控制和保证的功效。

Dec, 2023

本文针对具有噪声的矩阵完成任务进行了研究，特别关注于估计由两个未知矩阵的乘积组成的矩阵，其中一个是稀疏矩阵的情况，提出了基于稀疏因子模型的正则化最大似然估计的误差界和算法方法。

Nov, 2014

本文研究了在低噪声环境下使用 iid 子高斯噪声的归纳矩阵填充问题（带侧面信息的矩阵填充），首次获得了普适性界限，并呈现出标准差与零误差恢复情况下的规模趋近，结果表明：在样本大小趋近于无穷大时，噪声即使存在也会趋近于零，对于侧面信息的固定维度而言，它们只有对矩阵大小的对数依赖性。

Dec, 2022

在 Ma 和 Chen 引入的模型的基础上，本文提出了一种两阶段的算法来处理矩阵填充中的观测偏差，并利用共享信息来提高预测性能，经实验证明本算法的表现可与未观测协变量相同，并获得性能提高。

Jun, 2023

本文提出了一种基于指数族分布的、带有一般结构约束的矩阵完成算法框架以及相应的正则化 $M$ 估计器，统一且创新的统计分析结果得到了通过模拟数据验证。

Sep, 2015

本文围绕低秩矩阵重构问题，重点研究在观测样本受噪声污染时的矩阵填充问题，比较了 OptSpace、ADMIRA 和 FPCA 三种最新的填充算法在单一模拟平台上的性能，并给出了数值结果。实验表明，这些优秀的算法可以用于准确重构实际数据矩阵和随机生成的矩阵。

Oct, 2009

该论文提出了一个几何统计分析框架，适用于泛化的不适定线性反问题模型，包括噪声压缩感知、符号向量恢复、迹回归、正交矩阵估计和噪声矩阵完成等特殊情况，提出了可行的计算凸规划方法，用于统计推断，包括估计、置信区间和假设检验。该论文建立了一个理论框架，以表征局部估计收敛速度，并提供统计推断保证，其结果基于局部锥几何和对偶性，并通过高斯宽度和 Sudakov 最小化估计量表征局部切锥的几何。

Apr, 2014

本研究论文介绍新兴的矩阵填充技术及其应用，其中最简单的情况是从一个数据样本中恢复一个数据矩阵。本文提出通过核范数极小化技术，按数据约束条件恢复矩阵，可在一定程度下证明矩阵填充的准确性，数值结果表明，核范数极小化技术可以在很少的观测样本中准确填充低秩矩阵的许多缺失条目。

Mar, 2009

从非线性和含噪声观测中估计一个低秩矩阵的任务中，我们证明了一个强普适性结果，表明贝叶斯最优性能可由一个等效的高斯模型表示，其先验参数完全由非线性函数的展开所确定。特别地，我们展示了为了准确重建信号，需要一个随着 $ N^{rac 12 (1-1/k_F)}$ 增长的信噪比，其中 $k_F$ 是函数的第一个非零 Fisher 信息系数。我们提供了最小可实现均方误差（MMSE）的渐近特征及一个类似于问题的线性版本的条件下能达到 MMSE 的近似传递算法。我们还提供了方法如主成分分析与贝叶斯去噪等的渐近误差，并将其与贝叶斯最优 MMSE 进行了比较。

Mar, 2024