Jun, 2023

利用观测偏差改进矩阵补全

PDF
TL;DR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。
matrix completionobservation biassupervised learninglatent factorsperformance gains
发现论文，激发创造
  • 可扩展的贝叶斯非线性矩阵补全

    基于高斯过程潜变量模型的贝叶斯非线性矩阵补全算法，经过数据并行分布式计算方法加以优化，实现了对于高度稀疏大型矩阵的预测任务，得到了较好的实验结果。

    Jul, 2019

  • 噪声矩阵补全的线性形式的统计推断

    基于矩阵的噪声观测，我们构建了一个弹性框架以推断其线性形式，我们提出了一种构建渐近正常估计量的普遍过程，以进行双重样本去偏差和低秩投影，从而允许我们构建线性形式的置信区间并检验假说。

    Aug, 2019

  • 稀疏因子模型下的噪声矩阵补全

    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

  • 使用查询完成矩阵

    本研究提出了一种主动式矩阵完成算法，通过查询真实矩阵来克服数据不完备造成的不足信息问题，可以在仅查询少量条目的情况下高精准度地重构缺失的矩阵，并通过实验验证了该算法的高效性和精度。

    May, 2017

  • 噪声矩阵补全的推断和不确定性量化

    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

  • 带噪观测的低秩矩阵补全：定量比较

    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

  • 图上矩阵补全

    本文提出了一种基于社区检测和流形学习的矩阵完成模型，通过约束矩阵在图上的平滑性来隐含地强制行和列之间的相似性，得到了比标准模型更好的矩阵恢复效果。

    Aug, 2014

  • 矩阵完成的 PU 学习

    矩阵完成问题中，我们考虑当观测值是某个潜在矩阵 M 的一位测量时的一位矩阵完成问题。我们提出了 “移位矩阵完成” 和 “有偏矩阵完成” 方法，分别通过从一的索引子集恢复 M 和恢复二进制矩阵。这两种方法均提供强的误差边界。

    Nov, 2014

  • 单调单指数模型下的矩阵补全

    本文提出了一种新的矩阵补全方法，该方法通过低秩矩阵估计和单调函数估计之间的交替来估计缺失的矩阵元素，可应对非线性变换带来的挑战，并在合成和真实数据集上展示了竞争性的结果。

    Dec, 2015

  • 每行两个观测点的单侧矩阵补全

    本篇论文主要研究的是在因为缺少有效的观察数据，无法完成左奇异向量解法时，如何利用仅有的观察值来恢复右奇异向量以及相关的矩阵，并且提出了一个适用于 $X^TX$ 的算法，针对合成数据和低覆盖基因组测序，该算法得到了很好的效果。

    Jun, 2023