- 稀疏多参考对齐无碰撞信号的极小化最优估计
多参考对齐 (Multi-Reference Alignment, MRA) 问题是在高强度噪声下,从多次观测中恢复未知信号在循环等距变换作用下的问题。本文研究了在碰撞自由信号情况下的信号估计的极小极大最优性,并且在这一设置中表明了稀疏 M - SparseCtrl: 向文本到视频扩散模型中添加稀疏控制
通过使用 SparseCtrl,可以通过处理时间稀疏的信号实现灵活的结构控制,且不需要改变预训练的 T2V 模型,从而提供更实用的视频生成控制方法。
- 可训练的选择器:稀疏时空音视频同步
探讨基于多模态转换模型处理视频的音视频同步问题,提出使用视频流选择器将长时间的音视频流裁剪成小的序列并使用它们来预测两个流之间的时间偏移。通过构建数据集和解决压缩编解码器带来的问题,验证了该方法在稀疏和密集同步数据集上的优越性。
- Lasso Meets Horseshoe:一项调查
本文对两种常用的高维技术进行对比和调查,即 Lasso 与马蹄铁正则化技术,旨在理论上优化高维推理,提高计算效率和可扩展性,以及方法论的发展和性能方面。
- 有限值信号的压缩感知
本文提出了一种在基 Pursuit 中包含离散值先验的方法,特别是针对具有条目在 {0,1} 中的单极二进制和具有条目在 {-1,0,1} 中的双极三进制稀疏信号,其中相位转换比使用经典基 Pursuit 方法更早发生。
- 从压缩测量中递归恢复稀疏信号序列:综述
本文综述了关于设计和分析递归算法,用于从压缩测量中重构稀疏信号的文献,并介绍了稀疏信号在动态投影成像(例如,实时医学应用中的动态磁共振成像或动态计算机断层扫描)中的应用。
- 字典学习中 ITKM 算法的收敛半径和样本复杂度
本文通过迭代阈值和 K-means 算法展示了,只要初始化在收敛半径内,即在动态范围的倒数 $\log K$ 因子内,样本量与 $K\log K\tilde \varepsilon^{-2}$ 成比例,就可以从带噪声的 $S$ 稀疏信号中恢 - 在噪声存在的情况下使用正交匹配追踪支持恢复:一项新的分析
本文研究压缩感知领域的稀疏信号恢复问题,通过对正交匹配追踪算法在噪声情况下的研究,分析了两种信噪比设置情况下的恢复效果及最低信噪比要求,同时比较了在不同条件下算法的精确恢复率,结果可用于某些实际应用场景。
- 使用二进制测量稀疏信号的重建误差的指数衰减
本文介绍了一种基于自适应阈值策略的一比特压缩感知方法,针对二进制测量问题进行了研究,在某些情况下可以实现对稀疏信号的重建。
- 通过微分包含实现稀疏恢复
本文介绍了一种基于 nonlinear differential inclusions 的 inverse scale space (ISS) 方法,命名为 Bregman ISS 和 Linearized Bregman ISS,可用于从 - 广义近似信息传递压缩相位恢复
本研究提出了一种基于广义近似消息传递算法 (GAMP) 的新型压缩相位恢复方法 (PR-GAMP),并通过实验表明,该算法在减少测量数量、回收信号、抗噪声和运行时间等方面表现出了优越性。
- 局部识别过完备字典
本文提出了一种新的最大化准则,其可概括 K-means 准则,用于稳定识别过完备的互相关联的词典并从具有稀疏水平的训练信号中提供精确恢复,同时提供了一个简单的迭代阈值及 K-means 算法(ITKM)来实际寻找这一准则的局部极大值,证明了 - 稀疏相位恢复:凸算法与限制
文章研究了利用 SFFT 算法去恢复信号在功率谱上的密度,此算法可以有效恢复高于 o (sqrt (n)) 的稀疏信号,并通过实验证明,其相比已有的波凸算法有着更出色的性能。
- MM使用确定性序列的卷积压缩感知
本文提出了一类基于确定性序列构建的循环矩阵,用于卷积压缩感知。这些矩阵可以处理时间,频率和离散余弦转换(DCT)域内的稀疏信号, 并研究了统一恢复和非统一恢复的情况。
- 非高斯测量的一位压缩感知
本研究通过使用次高斯分布的单比特测量,结合凸程序解决方案,可以精确地重建几乎稀疏的信号。
- 使用冗余字典的信号空间 CoSaMP 稀疏恢复
本文提出了一种针对高度冗余和超完备字典中稀疏信号恢复的变体迭代恢复算法 CoSaMP,并利用 D-RIP 条件提供可证明的恢复保证。
- 从傅里叶变换的幅度恢复稀疏的一维信号
本文探讨了自相关或傅里叶变换幅度恢复的问题,提出了两种基于组合分析和凸优化的非迭代恢复算法,证明了在满足特定条件时,可以高概率唯一恢复信号,并通过数值模拟证实了算法的可行性。
- 稀疏信号检测和支持估计的自适应感知性能下界
本文研究稀疏信号方面的适应性感知问题,分析了信号峰值和最小幅度和稀疏度之间的关系,并发现之前文献所提出的适应性压缩感知方法是最优的,不能显著改进。
- 广义正交匹配追踪
本研究提出一种名为 generalized OMP 的方法,是针对稀疏信号重建效率进行的 OMP 算法推广,每次迭代找到多个正确的索引进行选择,相比于 OMP 算法,gOMP 算法迭代次数更少,且可以重建任何 K 稀疏信号,且仿真结果表明 - 高斯与稀疏随机过程的统一表述 - 第二部分:离散域理论
本文旨在研究一类由白噪声推动的随机微分方程所解决的 CARMA 过程,其通常为具有一定稀疏性和相关性结构的多元随机变量序列,同时进行了典型的类比 - 离散转化问题的讨论,并通过 B 样条等手段生成了连续域和离散域上的一些实例信号。