计算机科学 > 机器学习
[提交于 2012年5月1日
(v1)
,最后修订 2012年5月19日 (此版本, v2)]
标题: ProPPA:一种用于$\ell_1$最小化和低秩矩阵补全的快速算法
标题: ProPPA: A Fast Algorithm for $\ell_1$ Minimization and Low-Rank Matrix Completion
摘要: 我们提出了一种投影邻近点算法(ProPPA)来解决一类优化问题。 该算法迭代地计算最后估计解在仿射空间中的邻近点,该仿射空间本身与可行集平行并逐渐接近可行集。 我们从理论上提供了收敛性分析以支持该通用算法,然后将其应用于求解$\ell_1$-最小化问题和矩阵补全问题。 这些问题出现在许多应用中,包括机器学习、图像和信号处理。 我们将我们的算法与现有的最先进算法进行了比较。 在求解这些问题的实验结果表明,我们的算法非常高效且具有竞争力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.