Startseite UR

Robust overcomplete matrix recovery for sparse sources using a generalized Hough transform

Theis, Fabian J. und Georgiev, P. und Cichocki, A. (2004) Robust overcomplete matrix recovery for sparse sources using a generalized Hough transform. In: Verleysen, Michel, (ed.) Proceedings / 12th European Symposium on Artificial Neural Networks, ESANN 2004: Bruges, Belgium, April 28 - 30, 2004. d-side, Evere, Belgium, S. 343-348. ISBN 2-930307-04-8.

Im Publikationsserver gibt es leider keinen Volltext zu diesem Eintrag.

Andere URL zum Volltext: http://homepages.uni-regensburg.de/~thf11669/publications/theis04houghSCA_ESANN04.pdf


Zusammenfassung

We propose an algorithm for recovering the matrix A in X = AS where X is a random vector of lower dimension than S. S is assumed to be sparse in the sense that S has less nonzero elements than the dimension of X at any given time instant. In contrast to previous approaches, the computational time of the presented algorithm is linear in the sample number and independent of source dimension, and the algorithm is robust against noise. Experiments confirm these theoretical results.


Bibliographische Daten exportieren



Dokumentenart:Buchkapitel
Datum:2004
Institutionen:Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang
Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang > Arbeitsgruppe Dr. Fabian Theis
Projekte:Graduiertenkolleg Nichtlinearität und Nichtgleichgewicht
Dewey-Dezimal-Klassifikation:500 Naturwissenschaften und Mathematik > 530 Physik
500 Naturwissenschaften und Mathematik > 570 Biowissenschaften, Biologie
Status:Veröffentlicht
Begutachtet:Ja, diese Version wurde begutachtet
An der Universität Regensburg entstanden:Ja
Eingebracht am:20 Mrz 2007
Zuletzt geändert:15 Okt 2010 06:03
Dokumenten-ID:1608
Nur für Besitzer und Autoren: Kontrollseite des Eintrags
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de

Dissertationen: dissertationen@ur.de

Forschungsdaten: daten@ur.de

Ansprechpartner