대규모 강인 행렬 복구를 위한 프랭크 와일즈·프로시멀 하이브리드
본 논문은 압축 관측과 대규모 잡음이 섞인 행렬을 복구하는 CPCP 문제를, 프랭크‑와일즈(FW)와 프로시멀 연산을 결합한 알고리즘으로 해결한다. 저‑랭크 성분은 매 반복마다 순위‑1 SVD만을 사용해 업데이트하고, 희소 성분은 근접 연산(soft‑thresholding) 혹은 1‑노름 투영으로 처리한다. 이 설계는 각 반복당 연산량을 거의 선형으로 낮추면서, O(1/k) 수렴율과 실험을 통한 뛰어난 확장성을 보인다.
저자: Cun Mu, Yuqian Zhang, John Wright
본 논문은 압축 관측과 대규모 잡음이 섞인 행렬 복구 문제, 즉 Compressive Principal Component Pursuit(CPCP)를 효율적으로 해결하기 위한 새로운 알고리즘 프레임워크를 제시한다. CPCP는 원본 행렬 M₀를 저‑랭크 행렬 L₀와 희소 행렬 S₀, 그리고 밀집 잡음 N₀의 합으로 모델링하고, 관측 b = A
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기