本研究提出了一种基于正则采样的三或高维张量信号重建框架，使用张量秩替代信号带宽来决定采样复杂度，尤其适用于自然为张量的信号，例如图像和视频。同时，我们将功能性磁共振成像 (fMRI) 加速问题视为张量采样问题，并设计出实用的采样方案和算法框架，数值结果表明我们的张量采样策略能够大大加速 fMRI 采样过程而不影响重建精度。

Mar, 2019

该论文提出了一种基于注意力机制的体系结构，可以在处理高度稀疏的时间序列数据时提高自动编码器的鲁棒性，达到填充（imputation）缺失值的目的。

May, 2022

本文研究了利用非参数密度估计技术重构有连续值分量且被已知的无记忆信道损坏的离散时间信号的问题，并提出了一系列去噪器，可以在具备温和正则条件的情况下，在大信号长度极限下实现通用最优性。

Jul, 2008

本文旨在研究数据压缩中由于舍入和饱和误差而引起的重构问题，提出了考虑量化和饱和误差的约束条件和加权 l2——l1 范数优化目标函数，采用增广 Lagrange 方法求解得到一个稳健的一致性解。同时，文章还对之前的相关建模方案进行了广泛的计算比较。

Jul, 2012

本文提出了两种流式系统和相应的基于 [homotopy](同伦) 的算法，用于快速解决与 L1 范数最小化有关的程序，以实现稀疏信号恢复，取得了优于使用独立分离块表示和重建信号的方法的稀疏信号恢复质量以及优于当前现有的最优求解器的计算时间和复杂度。

Jun, 2013

考虑从不完整的频率样本中恢复对象的模型问题，通过解决凸优化问题，可以精确重建对象。该方法可拓展到其他设置和更高维度中，例如可以通过最小化其他函数来重建部分常数对象。

Sep, 2004

在无线和移动设备的广泛部署导致了时空数据的大量产生，我们提出了一个统一的回放式持续学习框架，用于实现对流数据的时空预测，避免灾难性遗忘并提高性能。

Apr, 2024

本文中提出了一种压缩感知技术，通过 l1 - 正则化问题来恢复高维实向量 x_0，证明了只要 A 满足均匀不确定原理并且 x_0 具有足够的稀疏性，则可以在噪声水平内准确恢复 x_0，并给出了两个实例。

Mar, 2005

本文综述了关于设计和分析递归算法，用于从压缩测量中重构稀疏信号的文献，并介绍了稀疏信号在动态投影成像（例如，实时医学应用中的动态磁共振成像或动态计算机断层扫描）中的应用。

Feb, 2016

本文介绍了一种基于人工智能普适性原理的单变量信号反卷积方法，该方法基于生成模型，结合信息论和算法概率，旨在研究非随机数据如何编码关于物理特性的信息，可用于编码理论、密码学、信号处理、因果反卷积、生命学和技术特征检测等领域。

Mar, 2023