The objective of the pooled data problem is to design a measurement matrix $A$ that allows to recover a signal $\SIGMA \in \cbc{0, 1, 2, \ldots, d}^n$ from the observation of the vector $\hat \SIGMA = A \SIGMA$ of joint linear measurements of its components as well as from $A$ itself, using as few measurements as possible. It is both a generalisation of the compelling quantitative group testing problem as well as a special case of the extensively studied compressed sensing problem. If the signal vector is sparse, that is, its number $k$ of non-zero components is much smaller than $n$, it is known that exponential-time constructions to recover $\SIGMA$ from the pair $(A, \hat\SIGMA)$ with no more than $O(k)$ measurements exist. However, so far, all known efficient constructions required at least $\Omega(k\ln n)$ measurements, and it was an open question whether this gap is artificial or of a fundamental nature. In this article we show that indeed, the previous gap between the information-theoretic and computational bounds is not inherent to the problem by providing an efficient recovery algorithm that succeeds with high probability and employs no more than $O(k)$ measurements.


翻译:集合数据问题的目标是设计一个测量矩阵,用尽可能少的测量方法,用尽可能少的测量方法,设计一个测量矩阵,以便从对矢量的观测中恢复一个信号$SIGMA=ccc{0,1,2,eldots,d ⁇ n$,从对矢量的观测中恢复一个信号$SIGMA=SIGMA=A\SIGMA美元,以及从对其组件进行联合线性测量的美元中恢复一个信号$SIGMA美元,同时使用尽可能少的测量方法。它既是对令人信服的定量组量测试问题的概括,也是广泛研究压缩感测问题的特例。如果信号矢量是稀少的,即其非零度部件的美元数比美元少得多,那么,如果其非零度的测量方法的数值比美元要小得多,那么已知要从对一对一对美元(A,hat\s\SIGMA)的指数性测量方法来收回美元,那么,我们确实要用一个不难的问题是,因为先前的回收概率和高的计算方法,我们并没有显示以前的一个差距。

0
下载
关闭预览

相关内容

iOS 8 提供的应用间和应用跟系统的功能交互特性。
  • Today (iOS and OS X): widgets for the Today view of Notification Center
  • Share (iOS and OS X): post content to web services or share content with others
  • Actions (iOS and OS X): app extensions to view or manipulate inside another app
  • Photo Editing (iOS): edit a photo or video in Apple's Photos app with extensions from a third-party apps
  • Finder Sync (OS X): remote file storage in the Finder with support for Finder content annotation
  • Storage Provider (iOS): an interface between files inside an app and other apps on a user's device
  • Custom Keyboard (iOS): system-wide alternative keyboards

Source: iOS 8 Extensions: Apple’s Plan for a Powerful App Ecosystem
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月7日
Arxiv
7+阅读 · 2021年5月25日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员