low rank matrix | BriefGPT - AI 论文速递

关键词low rank matrix

搜索结果 - 8

鲁棒主成分分析的加速交替投影算法
本文提出了一种新的算法 —— 加速交替投影算法，用于鲁棒 PCA，显著提高了现有交替投影算法的计算效率，该算法已经建立了精确的恢复保证，并证明了该算法的线性收敛性。实证表明，该算法优于其他最先进的鲁棒 PCA 算法。
PDF7 years ago
矩阵补全问题中交替最小化算法的注记
研究了从部分元素中重建低秩矩阵的问题，分析了两种交替最小化算法的变体，证明了当相关矩阵具有秩 $r=1$、有界正元素且图的度和直径在矩阵规模的对数范围内时，两种算法都可以在多项式时间内从任意初始状态开始近似重建矩阵，并提供了模拟结果表明基于
PDF8 years ago
低秩矩阵恢复的黎曼优化保证
本文研究了低秩矩阵恢复的一类黎曼优化算法，证明了当感知算子的受限等距常数小于 Cκ/√r 时，算法能够从几乎最小的测量中恢复低秩矩阵。
PDF9 years ago
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。
PDF10 years ago
MM低秩矩阵感知的相关奇异向量机
本文展示了一种新的贝叶斯推断方法，即在奇异矩阵的奇异向量上定义适当的先验，以促进低秩重构，并通过数值逼近加速运算，然后将该算法应用于矩阵完整性和重构问题，并对其性能进行了数值研究。
PDF10 years ago
自适应采样的低秩矩阵和张量补全
研究低秩矩阵和张量完成，提出了采用自适应抽样方案的新算法，它们具有强大的性能保证，并能够恢复具有噪声干扰的低秩矩阵。
PDF11 years ago
通过凸松弛进行嘈杂矩阵分解：在高维度中获得最优速率
通过矩阵分解问题中的凸松弛方法，结合核范数和分解式正则化，我们分析了一个能得到估计值的一般性定理，该定理可以适用于低秩矩阵、稀疏矩阵及一些可压缩的高维矩阵。我们利用了峰态条件，得到了确定性和随机性噪声矩阵的非渐近性弗罗贝尼乌斯误差界，同时也
PDF13 years ago
矩阵完成的简单方法
本文通过最小化矩阵的核范数，结合已知信息来重建未知的低秩矩阵，并证明了在满足特定的 “不连贯条件” 的情况下，所需的样本量等于参数数量的二次对数因子。这一结论是基于量子信息理论的最新工作，相较于之前的结果，提供了更好的界限。
PDF15 years ago