使用正态乘积先验的贝叶斯压缩感知
机器学习
2017-08-25 v1 信息论
机器学习
math.IT
摘要
在本文中，我们引入了一种新的促进稀疏的先验，即“正态乘积”先验，并在贝叶斯框架下开发了一种高效的稀疏信号恢复算法。正态乘积分布是两个具有零均值且可能具有不同方差的正态分布变量乘积的分布。与其他鼓励稀疏的分布（如 Student's -分布）一样，正态乘积分布在原点处具有尖锐的峰值，这使其成为鼓励稀疏解的合适先验。提出了一种基于正态乘积的两阶段分层模型。我们采用变分贝叶斯（VB）方法进行推断。进行了仿真以说明我们提出的算法与其他最先进压缩感知算法相比的有效性。
引用
@article{arxiv.1708.07450,
title = {Bayesian Compressive Sensing Using Normal Product Priors},
author = {Zhou Zhou and Kaihui Liu and Jun Fang},
journal= {arXiv preprint arXiv:1708.07450},
year = {2017}
}