Oct, 2021

广义记忆近似信息传递

PDF
TL;DR提出了一种通用广义记忆近似消息传递（GMAMP）框架，包括现有的正交 AMP/VAMP、GVAMP 和 MAMP 作为特殊实例，并构建了一种基于低复杂度记忆线性估计器的贝叶斯最优 GMAMP（BO-GMAMP）算法，可用于 GLM 信号重构，实现了与 GAMP 类似的复杂度，并在唯一不动点情况下达到了复制最小（即贝叶斯最优）MSE。
generalized approximate message passinglinear modelssignal reconstructiontransformation matricesbayes-optimal
发现论文，激发创造
  • 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

  • 存储增压器

    本文提出了一种基于正交性原理的 MAMP 框架，其中包括一个用于干扰抑制的长记忆匹配滤波器，能够解决 AMP 和 BO-OAMP/VAMP 的缺陷，同时保证 BO-MAMP 的性能是渐近独立的同分布高斯分布，且其状态演化与高复杂度的 BO-OAMP/VAMP 的状态演化一致。

    Dec, 2020

  • 广义线性模型的向量近似传递算法

    本文介绍了将 “vector AMP” 算法推广到广义线性模型 (Genelized Linear Model, GLM) 中的方法，通过实验表明所提出的 GLM-VAMP 算法比阻尼 GAMP 算法更能应对矩阵 A 病态化的情况。

    Dec, 2016

  • 基于随机线性混合的广义近似消息传递估计

    提出了一种名为广义近似消息传递（GAMP）的算法，它可以对非线性压缩感知和学习问题进行计算上高效的近似实现，同时可以应用于线性变换后的任意分布输入和输出。分析表明，在大型、i.i.d. 高斯转换下，该方法的渐近分量行为由一组简单的状态演化（SE）方程式描述，并可预测几乎任何分量性能指标的渐近值，包括均方误差或检测准确性；该分析对任意输入和输出分布均有效，即使对应的优化问题是非凸的。因此，GAMP 方法提供了一种计算有效的方法，适用于具有精确渐近性能保证的大类非高斯估计问题。

    Oct, 2010

  • 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

  • 广义近似消息传递算法的自适应阻尼和均值去除

    本文介绍了广义近似信息传递（GAMP）算法及其用于处理非零均值、秩缺失、列相关和病态矩阵 A 时的自适应阻尼和均值消除策略，并展示了数值实验结果。

    Dec, 2014

  • 通过近似消息传递在旋转不变广义线性模型中的估计

    基于旋转不变设计矩阵的广义线性模型中，信号估计是一个问题。我们提出了一族新颖的近似传递消息 (AMP) 算法来估计信号，并通过状态演化递归在高维极限下严格表征了它们的性能。我们的旋转不变 AMP 与现有的基于高斯设计的 AMP 具有相同的复杂度；同时，我们的算法还将现有的 AMP 作为特例恢复。数值结果展示了与 Vector AMP（在某些情况下被猜想为贝叶斯最优）相近的性能，但是我们的算法复杂度更低，因为它不需要计算昂贵的奇异值分解。

    Dec, 2021

  • 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

  • 正交 AMP

    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

  • 广义线性模型的谱初始化近似消息传递

    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