Algorithms for Sparsity-Constrained Optimization

This thesis demonstrates techniques that provide faster and more accurate solutions to a variety of problems in machine learning and signal processing. The author proposes a"greedy" algorithm, deriving sparse solutions with guarantees of optimality. The use of this algorithm removes many o...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Bahmani, Sohail (Συγγραφέας)
Συγγραφή απο Οργανισμό/Αρχή: SpringerLink (Online service)
Μορφή: Ηλεκτρονική πηγή Ηλ. βιβλίο
Γλώσσα:English
Έκδοση: Cham : Springer International Publishing : Imprint: Springer, 2014.
Σειρά:Springer Theses, Recognizing Outstanding Ph.D. Research, 261
Θέματα:
Διαθέσιμο Online:Full Text via HEAL-Link
Πίνακας περιεχομένων:
  • Introduction
  • Preliminaries
  • Sparsity-Constrained Optimization
  • Background
  • 1-bit Compressed Sensing
  • Estimation Under Model-Based Sparsity
  • Projected Gradient Descent for `p-constrained Least Squares
  • Conclusion and Future Work.