Diese Arbeit befasst sich mit der Entwicklung von Berechnungsverfahren für Datenanalyseprobleme, die zu den Iteratively Reweighted Least Squares (IRLS)-Methoden gehören. Als erstes wird IRLS für nichtlineare Regressionsprobleme diskutiert, was zu nichtkonvexen oder nichtglatten Optimierungsproblemen führt. Anschließend wird ein IRLS-Algorithmus mit neuartiger Gewichtungsstrategie für das Lernen von Niedrigrangmatrizen vorgestellt, die im Vergleich zu state-of-the-art-Methoden wesentliche Performanceverbesserungen aufweist sowie eine sehr allgemeiner Formulierung des IRLS, die das Lernen von Signalen mit mehreren oder zusammengesetzten Strukturen erlaubt.
«Diese Arbeit befasst sich mit der Entwicklung von Berechnungsverfahren für Datenanalyseprobleme, die zu den Iteratively Reweighted Least Squares (IRLS)-Methoden gehören. Als erstes wird IRLS für nichtlineare Regressionsprobleme diskutiert, was zu nichtkonvexen oder nichtglatten Optimierungsproblemen führt. Anschließend wird ein IRLS-Algorithmus mit neuartiger Gewichtungsstrategie für das Lernen von Niedrigrangmatrizen vorgestellt, die im Vergleich zu state-of-the-art-Methoden wesentliche Perfor...
»