Complétion de matrice de rang faible probabiliste à l'aide d'algorithmes de régularisation spectrale adaptatifs

Adrien Todeschini 1, 2, * Francois Caron 3 Marie Chavent 1, 2
* Corresponding author
2 CQFD - Quality control and dynamic reliability
IMB - Institut de Mathématiques de Bordeaux, Inria Bordeaux - Sud-Ouest
Résumé : Nous proposons une nouvelle classe d'algorithmes pour la complétion de matrice de rang faible. Notre approche s'appuie sur de nouvelles fonctions de pénalité sur les valeurs singulières de la matrice de rang faible. En exploitant une représentation basée sur un modèle de mélange de cette pénalité, nous montrons qu'un ensemble de variables latentes convenablement choisi permet de dériver un algorithme EM pour obtenir une estimation du Maximum A Posteriori de la matrice de rang faible complétée. L'algorithme résultant est un algorithme à seuillage doux itératif qui adapte de manière itérative les coefficients de réduction associés aux valeurs singulières.
Complete list of metadatas

Cited literature [10 references]  Display  Hide  Download

https://hal.inria.fr/hal-01027442
Contributor : Adrien Todeschini <>
Submitted on : Tuesday, July 22, 2014 - 8:38:52 AM
Last modification on : Thursday, January 11, 2018 - 6:22:11 AM
Long-term archiving on : Monday, November 24, 2014 - 9:46:37 PM

File

TodeschiniCaronChavent_JdS2014...
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01027442, version 1

Collections

Citation

Adrien Todeschini, Francois Caron, Marie Chavent. Complétion de matrice de rang faible probabiliste à l'aide d'algorithmes de régularisation spectrale adaptatifs. 46e Journées de Statistique, Société Française de Statistique, Jun 2014, Rennes, France. ⟨hal-01027442⟩

Share

Metrics

Record views

467

Files downloads

525