关键词alternating optimization
搜索结果 - 10
- 基于 PARAFAC2 的矩阵和张量耦合分解约束
基于耦合矩阵和张量分解的数据融合模型是从多个数据源联合分析数据的有效工具。本文介绍了一种灵活的算法框架，利用交替优化和交替方向乘子法来适应基于 PARAFAC2 的 CMTF 模型，允许在所有模式和线性耦合到其他矩阵、CP 或 PARAFA - 加速层次关联记忆：深度平衡方法
提出了两种策略来提高分层关联记忆模型的模拟效率：将其作为深度平衡模型进行建模，以及通过交替优化偶数层和奇数层加速记忆检索速度，这两种技术的结合使能量最小化过程更加高效。
- 使用整数规划的布尔矩阵分解算法
本文提出了一种基于整数规划的交替优化策略，来解决二进制矩阵因数分解的问题，同时给出了两种初始化因子的方式，并展示了如何使用整数规划将多个解组合起来以生成更优的解。实验结果表明，我们的算法优于现有方法。
- 盲目超分辨率的端到端交替优化
采用交替优化算法，设计卷积神经模块 Restorer 和 Estimator，将其交替使用，以构建端到端可训练网络。实验结果表明，该方法可以大大优于现有的方法，并以更高的速度产生可视更优的结果。
- 混合继电反射智能面辅助无线通信
提出了一种新颖的混合式中继 - 反射智能表面（HR-RIS）的概念，旨在解决智能表面 劣于普通中继系统的问题。采用交替优化和功率分配策略获得了它们的系数矩阵，其中动态 HR-RIS 能够在频谱效率 (SE) 和能量效率 (EE) 方面显着提 - 盲超分辨率的交替优化展开
该论文提出了一种用于盲超分辨率的交替优化卷积神经网络，包括恢复器和估计器，能够在单个模型中同时估计模糊核和还原超分辨率图像，并利用交替优化的方式达到更好的效果。
- 联合张量分解与异常压片抑制及其应用
提出了一种交替优化框架来解决在异常杂质的情况下进行低秩张量分解的问题，可以很容易地加入正则化和约束，以利用潜在的加载因子的先验信息。
- 一种灵活高效的约束矩阵和张量分解算法框架
提出一种新的混合算法框架，将交替优化和交替方向乘子法相结合，称为交替优化 - 交替方向乘子法。该框架适用于矩阵和张量因子分解，可以自然地适应各种约束和拟合损失，并通过缓存和启发式策略实现了高效更新，在实践中具有更快和更稳定的收敛。非负矩 / - 集体矩阵分解中的群稀疏嵌入
本研究提出了一种基于协作矩阵分解 (CMF) 的新算法，允许每个矩阵具有单独的低秩结构，并支持仅某些矩阵之间共享的结构。提出的方法采用交替优化算法，比较了 MAP 和变分贝叶斯解，并展示了通过组稀疏自动推断因子的本质，支持连续、二进制和计数 - ICML$\propto$SVM 用于标签比例学习
探讨了在训练数据以组的形式提供并且仅知道每组中每个类别的比例时，学习带标记比例的问题，提出了一种称为比例 - SVM 的新方法，采用大边际框架明确地建模潜在未知实例标签和已知组标签比例，并通过两种算法解决该模型所引出的非凸整数规划问题。