covariance matrices | BriefGPT

关键词covariance matrices

搜索结果 - 34

学习 MMSE 信道估计器
本文介绍了一种使用机器学习技术来估计具有随机协方差矩阵的条件高斯随机向量的方法。这种模型在通信系统中非常常见，通过使用建立在结构化模型上 MMSE 估计器的神经网络蓝图，可以在给定精度下获得相似有效的解决方案，同时具备对理论模型之外的实际环
PDF7 years ago
通过测地线距离最小化实现深度领域适应
本文提出了一种新的方法 ——Deep LogCORAL，用于无监督的视觉域自适应。我们使用 Riemannian 距离（由 Log-Euclidean 距离逼近）替换 Deep CORAL 中的欧几里得距离，并考虑第一和第二阶段信息。在基准
PDF7 years ago
利用黎曼度量进行领域适应的相关性对齐
本文研究如何进行领域自适应，特别是无监督领域自适应。通过使用神经网络并对其隐藏层的特征进行约束，得到了一个利用该流形上的理论上合理测地线距离的损失函数，从而比以前的方法表现更好。
PDF7 years ago
EM 算法在两个高斯混合模型中的十步成功
利用无限多样本的总体版本，我们为具有已知协方差矩阵的两个高斯混合物提供了全局收敛保证，并为收敛速率提供了简单的封闭型表达式。
PDF8 years ago
MMMLPnP - 透视 n 点问题的实时最大似然解
本论文提出了一种统计上最优解决视角 - n - 点（PnP）问题的解决方案，该方案能够考虑观测的不确定性。该方法具有鲁棒性，可以适用于任意中心相机模型，并且具有实时处理能力。
PDF8 years ago
黎曼对称空间上的高斯分布：结构化协方差矩阵的统计学习
本文提出了一种新的概率分布 —— 结构化协方差矩阵的高斯分布，以应对在计算机视觉、生物医学信号和图像处理、雷达数据处理中使用 Riemannian 几何技术处理结构化协方差矩阵的挑战。通过在 Riemannian 对称空间上发展高斯分布的原
PDF8 years ago
ICML基于矩阵高斯后验的结构化高效变分深度学习
本文介绍了一种使用概率分布的随机矩阵来管理参数的变分贝叶斯神经网络，并使用矩阵变量高斯参数后验分布来明确建模每个层的输入和输出维度之间的协方差。此外，使用近似协方差矩阵，可以实现比完全分解更高效且更便宜的表示，同时无需损失模型性能。通过引入
PDF8 years ago
ROP: 通过秩一投影进行矩阵恢复
本文介绍了一种针对低秩矩阵恢复的秩 - 1 投影模型并提出了一种受约束的核范数最小化方法，该方法能够适应不同秩的矩阵并对细微扰动具有强鲁棒性，同时通过引入上下界对其精度进行了数学证明。此外，该方法对解决其他相关的统计问题具有启示作用。最后，
PDF11 years ago
测量变换独立分量分析
本文提出一种新的独立组分分析框架，基于对观测向量的概率分布应用结构变换的测量转换 ICA（MTICA），通过选择合适的变换，我们证明分离矩阵可以通过对多个变换协方差矩阵对角化唯一确定，通过对多个经验性测量变换协方差矩阵进行近似联合对角化，M
PDF11 years ago
高维极小化稀疏主子空间估计
研究高维稀疏主成分分析，提出了行稀疏和列稀疏的 lq 子空间稀疏概念，并为 0≤q≤1 证明了极小化子空间估计误差的非渐近下限和上限。这一限制完美适用于行精疏的子空间，并且近乎适用于列精疏的子空间。我们使用一种新颖的变分 sinΘ 定理进行
PDF12 years ago
基于矩阵变量正态实例的图估计 Gemini
本论文提出了一种新的估计方法，能够从矩阵变量数据中恢复图形结构和协方差矩阵，同时扩展到可用多个复制品的一般情况下，并且在理论上证明了一致性和算子等多个方面的收敛速度。
PDF12 years ago
黎曼流形上的随机梯度下降
本文介绍了一种扩展随机梯度下降算法来优化在 Riemannian 流形上定义的代价函数的方法，并通过四个例子展示了其潜在的应用，其中包括派生和数字测试的一种新型的协方差矩阵的聚集算法。
PDF13 years ago
广义 Wishart 过程
介绍了一种具有 Wishart 边际分布的随机过程：广义 Wishart 过程 (GWP)，用于建模动态 (如时间变化) 协方差矩阵，并可以捕捉各种协方差结构，易于处理缺失数据，并可扩展到其他可观测变量。该模型性能超越主要竞争对手，多元 G
PDF14 years ago
随机矩阵的非渐近分析入门
本文是一篇介绍随机矩阵理论基本的非渐近方法和概念的教程，其中涵盖了许多在理论计算机科学、统计学和信号处理等领域的应用，尤其对于统计学中的协方差矩阵估计问题和压缩感知的概率构造测量矩阵的验证有基本应用。
PDF14 years ago