- 稳定相位恢复与镜像下降
在本文中,我们旨在从受加性噪声污染的 m 个无相位测量中重构一个 n 维实向量。我们扩展了基于镜像下降(或 Bregman 梯度下降)的无噪声框架,以处理噪声测量,并证明该过程对(足够小的)加性噪声是稳定的。在确定性情况下,我们证明了镜像下 - 常步长非光滑收敛 SA 的预连续耦合和稳态收敛
基于 Q-learning,本研究研究了具有恒定步长的非光滑压缩随机逼近(SA)。我们关注两类重要的动态:1)具有加性噪声的非光滑压缩 SA,和 2)具有加性和乘性噪声的同步和异步 Q-learning。对于这两种动态,我们证明了迭代在 W - 不是所有的步骤都相等:选择性扩散蒸馏用于图像操作
本文介绍了一种名为选择性扩散蒸馏(SDD)的新框架,其在图像处理任务中克服了扩散模型的权衡问题,通过在扩散模型指导下训练前馈图像操作网络和适当选择语义相关的时间步长,获得了图像的保真度和可编辑性。
- ECCV针对神经网络的几乎不可感知的比特翻转特洛伊攻击
本文提出了一种利用加性噪声和像素流场手段,针对深度神经网络中存在的隐蔽行为的 Trojan 攻击,并通过等效替换处理二进制约束提高了攻击效率。在 CIFAR-10、SVHN 和 ImageNet 数据集上进行了广泛的实验验证,并在攻击效果和 - 关于可转移性和加性噪声输入转换的评论
本文研究对抗攻击在神经网络领域中的应用,通过数学证明,探索了加入噪声的输入转换与转移对抗性样本的关系。
- MM利用通信差异实现在噪声和速率受限的去中心化网络中的优化共识
研究了分散优化问题中节点之间由于信号传输速率受限及接收到的噪声的影响导致信息交换受阻的情况下,提出了 Decentralized Lazy Mirror Descent with Differential Exchanges (DLMD-D - 基于残差谐波的联合稳健声音检测和音高估计
本研究专注于在嘈杂条件下的音高跟踪问题,提出了使用残差信号中的谐波信息的方法,该方法不仅用于音高估计,也用于确定语音的声带分段。在实验中,将该方法与六种最先进的音高跟踪器在 Keele 和 CSTR 数据库上进行了比较。结果表明,所提出的技 - ICLRGAN2GAN:使用单个噪声图像进行生成式噪声学习的盲降噪
本篇研究提出了 GAN2GAN 方法,利用生成式模型生成噪声数据和初始的粗略干净图像估计,并使用由生成式模型合成的噪声图像对去噪器进行迭代训练,结果显示该方法在盲去噪问题上达到了非常好的性能,甚至超越了标准判别式训练或 N2N 训练模型的性 - 随机投影与加性噪声下的线性回归隐私和效用权衡
通过向数据集添加噪音或映射到低维子空间,使用条件互信息作为隐私保护度量,研究线性回归问题的差分隐私问题与非协同 SIMO 问题之间的联系。
- 使用 3-D 卷积神经网络进行多光谱和高光谱图像融合
本文提出使用三维卷积神经网络(3-D-CNN)的方法来融合多光谱(MS)和高光谱(HS)图像,以获得高分辨率的高光谱图像。在融合之前进行高光谱图像的降维以显著减少计算时间,并使方法对噪声更具鲁棒性。实验结果表明,与传统方法相比,所提出的方法 - 正则化梯度下降:快速盲源分离和盲去卷积的非凸解法
提出一种在竞争性情况下能够保证精确复原的非凸算法,它具有计算效率更高的额外优势,可应用于无线通信中的物联网。
- ICLR分析卷积神经网络在频域的稳定性
通过使用四维可视化技术,本文探讨了在频域下分析 ConvNets 内部过程的可能性,研究了 ConvNets 对噪声的稳定性,并发现利用加入噪声的训练集来微调 ConvNets 可以提高其稳定性。
- 阈值法稳健子空间聚类
本研究提出了一种简单、低复杂度的子空间聚类算法,通过阈值化数据点之间的相关性来构建邻接矩阵,并且对噪声和异常值具有鲁棒性,可用于处理高维、噪声丰富的数据点。
- 利用字典学习进行天文图像去噪
本文介绍了基于稀疏表示的中心化字典学习(CDL)方法,并研究了其在天文图像去噪方面的表现,证明 CDL 方法在天文图像去噪方面胜过小波或传统字典学习去噪技术,并比较了这些不同算法对去噪图像光度的影响。
- 使用加性噪声模型识别混淆因素
提出了一种方法,用于推断两个观测随机变量之间存在一个潜在的共同原因(“混淆变量”)。方法假设混淆变量的两个影响是混淆变量的(可能是非线性的)函数加上独立的加性噪声,探讨了在什么条件下从这些影响的联合分布中实现(对混淆变量进行任意重新参数化) - PhaseLift: 通过凸规划从幅度测量中精确稳定地恢复信号
利用随机取样的向量进行半定规划中的痕范数最小化,证明了可以通过凸编程技术解决组合相位恢复问题,且该方法对加性噪声具有鲁棒性。
- 稀疏受损信号恢复
本文研究了在一般(即可能是冗余或不完整的)词典中表现出稀疏表示并受到另一种广义词典中的加性噪声干扰的信号的恢复方法。文章基于新的不确定性关系提供了确定性的恢复保证,并提供了相应的实用恢复算法。