Covariance-Free Sparse Bayesian Learning

Sparse Bayesian learning (SBL) is a powerful framework for tackling the sparse coding problem while also providing uncertainty quantification. The most popular inference algorithms for SBL exhibit prohibitively large computational costs for high-dimensional problems due to the need to maintain a lar...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on signal processing Ročník 70; s. 3818 - 3831
Hlavní autoři:	Lin, Alexander, Song, Andrew H., Bilgic, Berkin, Ba, Demba
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 2022 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Bayes methods Bayesian analysis Coding compressed sensing computational efficiency Computational modeling Covariance matrices Covariance matrix Encoding expectation-maximization algorithms Inference Inference algorithms Linear algebra Linear systems Machine learning Mathematical analysis Signal processing algorithms Sparse Bayesian learning (SBL)
ISSN:	1053-587X, 1941-0476
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!