Suche nach Personen

plus im Publikationsserver
plus bei BASE
plus bei Google Scholar

Daten exportieren

 

Sparse power factorization : balancing peakiness and sample complexity

Titelangaben

Verfügbarkeit überprüfen

Geppert, Jakob ; Krahmer, Felix ; Stöger, Dominik:
Sparse power factorization : balancing peakiness and sample complexity.
In: Advances in computational mathematics. 45 (1. Juni 2019). - S. 1711-1728.
ISSN 1019-7168 ; 1572-9044

Volltext

Kurzfassung/Abstract

In many applications, one is faced with an inverse problem, where the known signal depends in a bilinear way on two unknown input vectors. Often at least one of the input vectors is assumed to be sparse, i.e., to have only few non-zero entries. Sparse power factorization (SPF), proposed by Lee, Wu, and Bresler, aims to tackle this problem. They have established recovery guarantees for a somewhat restrictive class of signals under the assumption that the measurements are random. We generalize these recovery guarantees to a significantly enlarged and more realistic signal class at the expense of a moderately increased number of measurements.

Weitere Angaben

Publikationsform:Artikel
Schlagwörter:Bilinear inverse problems, Sparse power factorization, Compressed sensing
Sprache des Eintrags:Englisch
Institutionen der Universität:Mathematisch-Geographische Fakultät > Mathematik > Juniorprofessur für Data Science
Mathematisch-Geographische Fakultät > Mathematik > Mathematisches Institut für Maschinelles Lernen und Data Science (MIDS)
DOI / URN / ID:10.1007/s10444-019-09698-6
Open Access: Freie Zugänglichkeit des Volltexts?:Nein
Peer-Review-Journal:Ja
Verlag:Springer Science
Die Zeitschrift ist nachgewiesen in:
Titel an der KU entstanden:Nein
KU.edoc-ID:29061
Eingestellt am: 02. Dez 2021 13:10
Letzte Änderung: 27. Sep 2024 13:53
URL zu dieser Anzeige: https://edoc.ku.de/id/eprint/29061/
AnalyticsGoogle Scholar