- 具有任意旋转不变随机耦合矩阵的 Ising 模型 TAP 方程的无记忆动力学
本论文提出了一种迭代算法,用以求解具有任意旋转不变(随机)耦合矩阵的 Ising 模型的 Thouless-Anderson-Palmer (TAP) 方程。我们通过动力学函数方法证明,在热力学极限下,当满足所谓的 de Almeida T - 使用自编码器解决反问题
通过生成函数和迭代算法解决压缩感知问题,研究了在噪声存在的情况下恢复具有复杂结构信号的表现,并使用自动编码器定义和强制源结构.
- 使用在线即插即用算法的正则化傅里叶全息成像
本文提出一种新的在线优化算法,基于 FISTA 算法,使用只有子集的测量数据实现了可扩展的傅里叶全息显微(FPM)成像,模拟和实验数据结果表明该算法可以显著提高性能。
- 一个用于正则化图像重建的在线即插即用算法
本文介绍了一种基于迭代收缩 / 阈值算法 (ISTA) 的在线 plug-and-play priors (PnP) 算法,并提出了一种新的收敛性分析方法,以证明该算法适用于大型数据集。该算法可用于图像重建,具有潜在的应用拓展性。
- MM间接样本的主动分布学习
使用间接和序列样本学习离散随机变量 X 的概率分布 P_X 的问题已经在本文中得到研究,其中提出了一种基于几个条件限制的迭代算法,成功地在不同情况下实现了更好的效果比基线方法更好。
- ECCV无监督深度领域自适应行人检测
本研究提出了一种基于迭代算法和正则化技术的无监督域自适应方法,从而提高人群密集场景中的行人检测精度。
- 基于去噪先验的深度神经网络图像恢复方法
本文提出了基于去噪的图像恢复算法,将其迭代过程展开为深度神经网络,利用卷积神经网络的多尺度冗余性和观察模型的先验知识,并通过端到端训练,使去噪器和反投影模块可以共同被优化,实现了对多种图像恢复任务的有竞争力和实时状态的最新结果。
- MM基于 NOMA 的蜂窝网络下 D2D 通信资源分配
本文研究了设备到设备通信中的功率控制和信道分配问题,提出了一种基于双重算法的迭代算法来解决资源分配问题,并验证了该算法相对于现有正交多重接入方案的优越性。
- 基于概率约束的交流最优潮流问题:格式重构与高效算法
为了确保安全的系统运行,需要新的工具来处理越来越多的可再生电力带来的不确定性。本文给出了基于概率约束的 AC 优化功率流问题,提出了一个准确而可行的分析改进方法,提供了不同的解决算法,并在基于四种不同 IEEE 系统的案例研究中证明了迭代方 - ICML迭代式机器教学
本文探讨了机器教学的逆问题,提出了一种新的范例,即学习者使用迭代算法,教师可以根据学习者当前的表现顺序地、智能地提供示例。它着重于实现学习者模型的快速收敛,可以通过设计教学算法减少教学示例并比没有教师进行教学的学习实现更快的收敛。
- 压缩群上的同步问题的消息传递算法
通过采用来自表示理论的思想并结合于统计物理中标准但非严谨的方法,我们提出了一种高效的迭代算法,用于解决利用多个 “频道”(傅里叶模式或更一般的群表示)对紧致群上的同步问题进行测量的大类问题。
- 形状优化的反扩散曲线
本文提出了一种新的基于曲线几何的迭代算法来优化逆扩散曲线问题,使用这种算法能够更好的控制曲线的形状并生成干净的、形态良好的扩散曲线图像,以逼近用户所提供的颜色字段。
- 高斯混合模型的期望最大化全局分析
研究基于极大似然原理的迭代算法 —— 期望最大化算法(EM)在统计模型中的参数估计,发现其仅能保证收敛于似然函数的极值点而非最大值点,尤其针对包含两个高斯分布混合的模型进行具体分析,最终建立了 EM 算法的统计一致性。
- 低秩相位恢复
本文提出了两种迭代算法来解决低秩相位恢复问题,这些算法由谱初始化步骤和迭代算法组成,旨在最大化观测数据可能性,并得到了相应的样本复杂度界限。经过大量实验,表明这些算法在低秩相位恢复问题上具有良好的效果。
- 具有非光滑低层问题的基于梯度的双层优化技术
本研究提出了一种技术,用于近似具有非唯一解的非光滑下层问题的双层优化问题。通过迭代算法代替下层最小化问题的极小化器的表达式,使用适当的非线性近端距离函数,可以使迭代算法的更新映射可微。
- 无需主成分分析的主成分投影
该论文介绍了一个迭代算法,用于高效地将向量投影到矩阵的前几个主成分上,避免了对主成分分析(PCA)的显式计算,提供了对最流行的主成分回归问题的快速迭代方法。
- 从子采样卷积中盲恢复稀疏信号
本文提出了一种基于稀疏模型和锥约束的迭代算法,以实现盲卷积问题中的性能保证。在这个先验的基础上,该算法在接近最优样本复杂度的情况下实现了盲卷积问题的拟合精度。
- 有限样本下精确快速矩阵补全
该论文提出了一种矩阵完成问题的快速迭代算法,该算法观测到 O (nr^5log^3 n) 的条目,具有确定的样本复杂度,可以解决低秩矩阵恢复的问题。
- 结构化矩阵分解的凸放松
本文研究矩阵分解中的秩一因子分解,引入了计算矩阵的一个 Gauge 函数,并给出了多种算法近似求解。同时,提出了变分二次范数表示和一种新的迭代基础追踪算法用于处理不精确的一阶预言机。
- 克服图聚类中的小簇障碍
在图聚类中,小集群不会妨碍大集群的恢复,并且设计了一个迭代算法通过削片策略从而几乎恢复出所有集群,同时也给出了针对较小集群邻近边更有针对性地探测的主动学习算法。