IALM处理低秩分解的代码

Rank-Deficient and Discrete Ill-Posed Problems: Numerical Aspects of Linear Inversion (Monographs on Mathematical Modeling and Computation)

LRR低秩表示文献

窗帘和比法matlab代码模型敏感性分析 用于分析模型参数敏感性的拉丁超立方采样和部分秩相关系数。 LHS + PRCC 是研究数学模型对其参数的敏感性的有用方法。 这有助于开发模型以了解其在各种参数范围内的行为，以及更好地了解参数估计中的不确定性如何影响模型给出的结果。 该过程的概述以 pdf 幻灯片格式提供。 蒙特卡罗研究中用于参数采样的 LHS 方法首先由 . 在不久的将来，BioRxiv（作为数学肿瘤学频道的一部分）将对该方法的实用性进行简要说明。 该存储库包含在 matlab 或 python 中进行 LHS+PRCC 分析的代码，具体取决于用户偏好。 MATLAB Matlab 文件 LHSPRCC.m 是主要代码文件，它调用函数 DrawSamples.m 来执行拉丁超立方体采样步骤、用于完成蒙特卡罗模拟的任何用户指定的模型函数，以及 UnariedPRCC.m 或 VariedPRCC.m计算部分秩相关系数（在单个时间/位置索引或所有时间/位置）。 LHSPRCC.m 还调用函数 plotSampleHists.m、plotSimulationOutput.m 和 pl

matrix_factorization_recommenders 推荐系统的低秩矩阵分解 Jupyter Notebook将与Recommender Systems的低秩矩阵分解一起发布。

基于凸优化的低秩矩阵分解算法

基于Gabor滤波器和低秩分解的织物缺陷检测算法

RPCA的求解 凸松弛 NP难问题 松弛后 矩阵核范数

一种实现矩阵满秩分解的简单方法，便于用matlab软件实现矩阵的基本运算。

PowerSGD 适用于分布式优化的实用低秩梯度压缩 摘要：我们研究了梯度压缩方法来缓解数据并行分布优化中的通信瓶颈。 尽管受到了很大的关注，但是当前的压缩方案不能很好地扩展或无法达到目标测试精度。 我们基于功率迭代提出了一种新的低秩梯度压缩器，它可以i）快速压缩梯度，ii）使用全归约有效地压缩压缩梯度，iii）达到与SGD相当的测试性能。 所提出的算法是唯一评估的方法，当以具有优化的通信后端的常规SGD为基准进行测试时，该方法可实现一致的挂钟加速。 我们证明了减少卷积网络以及通用数据集上的LSTM的训练时间。 该存储库包含用于实验的研究代码。 从1.8版开始，PyTorch将该算法的派生实现作为DistributedDataParallel模型的。 如果您打算在生产环境中使用PowerSGD， 分享他们在将PowerSGD扩展到大型系统上的实验。 代码组织 一些指针 是入口点。 实