- ICML贝叶斯主成分分析的旋转不变 Householder 参数化
文章从贝叶斯角度考虑了概率主成分分析和相关因子模型。提出了一种基于 Householder 变换的参数化方法,解决了模型识别性问题,并使用随机矩阵理论得到了使模型不变的参数分布,从而避免了计算参数转换的 Jacobian 行列式的需要。在 - 随机系统辨识的有限样本分析
本文探讨了使用现代机器学习和统计学工具分析随机系统识别的有限样本复杂性,使用子空间识别算法和 N 个输出样本提供了系统参数估计误差的非渐近高概率上界。
- 神经网络模型中的传统自我正则化和重尾自我正则化
本研究运用随机矩阵理论分析了深度神经网络的权重矩阵,通过实验和理论结果表明神经网络层矩阵的经验谱密度显示出传统正则化统计模型的特征。并且发现随着训练阶段的增加,隐式自正则化逐渐显现,这种隐式自正则化可以像传统的 Tikhonov 正则化一样 - 深度神经网络中的隐式自正则化:来自随机矩阵理论的证据和对学习的影响
利用随机矩阵理论分析深度神经网络的权重矩阵,并得出神经网络的训练过程本身隐式实现了自我正则化的结论,通过改变批次大小和利用泛化间隙现象,证明了大批次训练导致模型隐含正则化不佳并解释了泛化间隙现象。
- 主成分分析的最优性与次优性 I:尖峰随机矩阵模型
通过研究 Le Cam 的连续性,我们探讨了用于检测稀疏向量存在的测试的统计极限,包括非光谱测试,并证明了对于高斯 Wishart 集合,PCA 阈值对于正向 spikes(自然先验)是最佳的,但这并不总是负向 spikes 的情况。
- ICML高维数据的随机特征映射谱
本文运用随机矩阵理论诱导的 “浓度” 现象对这些随机特征图 Gram 矩阵的谱分析,为更深入地理解非线性和数据统计学的相互作用提供了基础,从而实现了更好的随机特征技术调优。
- 随机图的集中性与社区检测应用
本文回顾了随机图在其期望周围的浓缩区域中的不同模式,并讨论了这些浓缩结果在网络社区检测问题中的应用,同时介绍了一些与其相关的随机矩阵理论模型和工具。
- Wishart 矩阵矩的简介
本文介绍了 Wishart 矩阵矩时的分析,推导了实数随机 Wishart 矩阵的完整矩矩阵,得到了非各向同性 Wishart 矩阵的一些谱和跟踪型结果的推论,包括对经典谱和跟踪型矩的完整矩阵矩结果的推导。
- 线性二次调节器的样本复杂度
本文提出了一种名为 Coarse-ID 控制的多阶段程序,利用随机矩阵理论对 Linear Quadratic Regulator 问题中的未知动态进行建模和控制,同时使用 System Level Synthesis 方法进行控制综合设计 - 来自随机矩阵理论的大型相关矩阵清理工具
该论文回顾了最近利用随机矩阵理论(RMT)工具估计大协方差矩阵的结果,介绍了几种 RMT 方法和分析技术,如复制品形式和免费概率等,并强调了 Marchenko-Pastur 方程,它提供了有关成倍污染的嘈杂矩阵的解的信息,特别关注经验相关 - MMMIMO 检测 50 年:大规模 MIMO 之路
该论文提供了有关 LS-MIMO 的历史遗产和挑战以及基础 MIMO 检测的重要性的回顾,包括线性无记忆 MIMO 通道和展示记忆的离散 MIMO 通道的接收信号模型,以及复值与实值 MIMO 系统模型,介绍了代表性 MIMO 检测算法、区 - 预测的高维渐近性:岭回归和分类
本文在高维渐近极端条件下,对岭回归和正则化判别分析在密集随机效应模型中的预测风险进行了统一分析,并提供了两种方法的极限预测风险的明确和高效可计算的表达式。同时,揭示了岭回归和正则化判别分析各自的一些定性见解,本分析基于最近在随机矩阵理论领域 - 一种适用于随机块模型的拟合优度检验
我们为随机块模型开发了一种适合性检验方法,采用残差矩阵中最大奇异值作为统计量,并使用随机矩阵理论获得渐进零分布。该检验可以充分检测非块对角结构的交错结构,进而获得一致的序贯检验估计方法来测试不同社区的数量。
- 多层网络的损失曲面
本文研究了全连接前馈神经网络的非凸损失函数与球形自旋玻璃模型哈密顿量之间的联系,并通过随机矩阵理论的结果来解释网络的复杂性和局部极小值的位置分布,利用计算机模拟和数学模型对结果进行了验证和验证。
- 高维稳健回归估计的非正则化和岭正则化的渐近行为:严格结果
本文研究了高维稳健回归估计器的渐近性质以及基于概率启发式的方法解释了其渐近行为,通过随机矩阵理论、集中测度和凸分析的思想提出了严谨证明,这里对某些假设进行了放宽并发现当 $ au=0$ 时可作为极限情况来恢复。
- 高维随机场与随机矩阵理论
本研究通过基于高维 Kac-Rice 公式的一般公式及其与随机矩阵理论技术的结合,分析了零温度单步复制对称破缺玻璃转变的能量景观的随机性,提取了高斯场的平均稳定点和极小值以及一个弧形限制中的稳定高斯随机场的数量,并详细阐述了在两个模型中,玻 - SCORE 算法快速的社群发现
提出了一种名为 SCORE 的基于特征向量比率的谱聚类算法,用于通过比较网络的前 K 个特征向量之间的分量比率来检测社区。与传统的谱聚类和模块度方法相比,该方法在计算速度和准确率上均有很好的表现,并且在随机矩阵理论 (RMT) 框架下可稳定 - 通过更稀疏的子空间嵌入实现更快的数值线性代数算法
本研究提出了一种 Oblivious Subspace Embedding (OSE) 技术以及两种 Oblivious Sparse Norm-Approximating Projections (OSNAPs) 技术,基于随机矩阵理论, - MM大规模 MIMO 多用户接入信道的容量与具有相关天线的分布式集合
本文提出了大规模 MIMO 天线通道的确定性等效和评估容量实现输入协方差矩阵的算法。研究基于大维随机矩阵理论,在终端天线数量无限接近于无穷大的假设下做了相关推导。结果易于计算,精确性较高,并且不受多种衰落分布影响。
- 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。