Boltzmann machine and mean-field approximation for structured sparse decompositions

Abstract : Taking advantage of the structures inherent in many sparse decompositions constitutes a promising research axis. In this paper, we address this problem from a Bayesian point of view. We exploit a Boltzmann machine, allowing to take a large variety of structures into account, and focus on the resolution of a marginalized maximum a posteriori problem. To solve this problem, we resort to a mean-field approximation and the variational Bayes Expectation-Maximization" algorithm. This approach results in a soft procedure making no hard decision in the support or the values of the sparse representation. We show that this characteristic leads to an improvement of the performance over state-of-the-art algorithms.
Type de document :
Pré-publication, Document de travail
Accepté à IEEE Trans. On Signal Processing. 2012
Liste complète des métadonnées

Littérature citée [70 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00648089
Contributeur : Angélique Drémeau <>
Soumis le : vendredi 16 mars 2012 - 10:02:41
Dernière modification le : jeudi 11 janvier 2018 - 06:23:39
Document(s) archivé(s) le : lundi 18 juin 2012 - 16:33:23

Fichier

manuscript.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-00648089, version 2

Citation

Angélique Drémeau, Cédric Herzet, Laurent Daudet. Boltzmann machine and mean-field approximation for structured sparse decompositions. Accepté à IEEE Trans. On Signal Processing. 2012. 〈hal-00648089v2〉

Partager

Métriques

Consultations de la notice

628

Téléchargements de fichiers

182