一篇 arXiv 上的新研究论文介绍了一种使用全连接神经网络 (FCNN) 中的非光滑正则化进行矩阵填充的新方法。所提出的算法 DNN-NSR 通过在中间表示中加入 L1 范数正则化以及权重矩阵的核范数，解决了 FCNN 中常见的过拟合问题。这种方法会产生一个非光滑且非凸的目标函数，需要专门的近端梯度法进行优化。该论文证明，在模拟中，DNN-NSR 的表现优于现有的线性和非线性算法。 AI
影响 这项研究有助于开发更鲁棒、更具泛化能力的矩阵填充技术，有望提高依赖于重建不完整数据的应用的性能。
排序理由 该集群包含两篇来自 arXiv 的关于矩阵填充算法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2403.10232v2 Announce Type: replace-cross Abstract: Conventional matrix completion methods approximate the missing values by assuming the matrix to be low-rank, which leads to a linear approximation of missing values. It has been shown that enhanced performance could be att…
arXiv:1312.0925v4 Announce Type: replace-cross Abstract: Alternating Minimization is a widely used and empirically successful heuristic for matrix completion and related low-rank optimization problems. Theoretical guarantees for Alternating Minimization have been hard to come by …