Delta-分离稀疏投影的快速算法
数据结构与算法
2017-12-20 v1 离散数学
摘要
我们描述了一种用于 -分离稀疏投影问题的快速近似算法。-分离稀疏模型由 Hegde、Duarte 和 Cevher (2009) 提出，用以刻画具有绝对不应期的单个 Poisson 神经元的放电过程。我们的投影算法在任意(但固定)精度下运行时间为线性，并且同时是头近似和尾近似。这解决了 Hegde、Indyk 和 Schmidt (2015) 的一个问题。我们还描述了我们的算法如何适配于 Hegde、Indyk 和 Schmidt (2014) 的近似模型迭代硬阈值框架，该框架允许从含噪随机线性测量中恢复 -分离稀疏信号。所得恢复算法比现有算法快得多，至少对于大型数据集而言。
引用
@article{arxiv.1712.06706,
title = {Fast Algorithms for Delta-Separated Sparsity Projection},
author = {Henning Bruhn and Oliver Schaudt},
journal= {arXiv preprint arXiv:1712.06706},
year = {2017}
}
备注
19 pages