多视图低秩对称尖峰矩阵模型的信息论极限
信息论
2020-05-19 v1 无序系统与神经网络
机器学习
math.IT
摘要
我们考虑一类重要高维推断问题即尖峰对称矩阵模型（常作为主成分分析的概率模型）的推广。此类典型模型近来因其在统计-计算鸿沟上的现象学丰富性同时仍可处理，而受到多个领域的广泛关注。我们通过证明互信息与最小均方误差的单字母公式，严格确立了信息论极限。在技术层面，我们改进了最近引入的自适应插值方法，使其能用于全一般地研究低秩模型（即“高矩阵”的估计问题），这是朝严格分析更复杂推断与学习模型迈进的重要一步。
引用
@article{arxiv.2005.08017,
title = {Information-theoretic limits of a multiview low-rank symmetric spiked matrix model},
author = {Jean Barbier and Galen Reeves},
journal= {arXiv preprint arXiv:2005.08017},
year = {2020}
}
备注
Presented at the 2020 International Symposium on Information Theory (ISIT)