神经影像时间序列中的稀疏加低秩自回归识别
机器学习
2015-03-31 v1 系统与控制
摘要
本文考虑识别多变量自回归 (AR) 稀疏加低秩图模型的问题。基于最近提出的相应问题公式，我们使用交替方向乘子法 (ADMM) 来高效求解该问题，并将其扩展到神经影像应用中遇到的规模。我们将这种分解应用于合成和真实的神经影像数据集，特别关注我们模型低秩结构中编码的信息。特别是，我们说明了这些信息捕捉了原始数据的时空结构，推广了经典的成分分析方法。
引用
@article{arxiv.1503.08639,
title = {Sparse plus low-rank autoregressive identification in neuroimaging time series},
author = {Raphaël Liégeois and Bamdev Mishra and Mattia Zorzi and Rodolphe Sepulchre},
journal= {arXiv preprint arXiv:1503.08639},
year = {2015}
}
备注
6 pages paper submitted to CDC 2015