MétaCan
Menu
Retour à la cohorte
Enregistrement W4384574983 · doi:10.23952/jnva.7.2023.4.09

The sampling complexity on nonconvex sparse phase retrieval problem

2023· article· en· W4384574983 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Nonlinear and Variational Analysis · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced X-ray Imaging Techniques
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceNational Natural Science Foundation of China
Mots-clésRestricted isometry propertyMinificationQuadratic equationIsometry (Riemannian geometry)MathematicsRank (graph theory)Property (philosophy)AlgorithmSampling (signal processing)GaussianCompressed sensingZero (linguistics)CombinatoricsApplied mathematicsMathematical optimizationComputer sciencePure mathematicsPhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

This paper discusses the k-sparse complex signal recovery from quadratic measurements via the p -minimization model, where 0 < p ≤ 1.We establish the p restricted isometry property over simultaneously low-rank and sparse matrices, which is a weaker restricted isometry property to guarantee the successful recovery in the p case.The main result is to demonstrate that p -minimization can recover complex k-sparse signals from m k + pk log(n/k) complex Gaussian quadratic measurements with high probability.The resulting sufficient condition is met by fewer measurements for smaller p and reaches m k when p turns to zero.Furthermore, an iteratively-reweighted algorithm is proposed.Numerical experiments also demonstrate that p minimization with 0 < p < 1 performs better than 1 minimization.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,672
Score d'incertitude au seuil0,266

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,054
Tête enseignante GPT0,365
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nonlinear and Variational AnalysisMême sujetAdvanced X-ray Imaging TechniquesTravaux en français237 207