贝叶斯方法在低秩矩阵估计中的应用：简要调查与理论研究
摘要：低秩矩阵估计问题近年来引起了许多关注，因为它在挑战性应用方面具有重要意义。在理论和实际应用方面，关于秩惩罚方法和凸松弛方法已经做了很多工作。然而，只有少数论文考虑到贝叶斯估计。本文回顾了在矩阵上考虑的不同类型的先验，以支持低秩。我们还证明，根据适当的假设，所得到的贝叶斯估计器具有与基于惩罚的估计器相同的最优性质。
作者：Pierre Alquier
论文ID：1306.3862
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-06-27