Este artículo aborda el problema del aprendizaje de transformadas sobrecompletas. Se propone un procedimiento basado en la minimización alternante para resolver el problema formulado de aprendizaje de transformadas dispersas. Se deriva una solución de forma cerrada para la minimización implicada en la etapa de actualización de la transformación. En comparación con los algoritmos existentes, el propuesto reduce significativamente la complejidad computacional. Se llevan a cabo experimentos y simulaciones con datos sintéticos e imágenes reales para demostrar la superioridad del enfoque propuesto en términos de representación promediada y errores de eliminación de ruido, el porcentaje de recuperación exitosa y significativa del diccionario de análisis y, lo que es más importante, la eficiencia computacional.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Límites para la Brecha de Jensen en términos de Medias Potenciales con Aplicaciones
Artículo:
Límite superior en la probabilidad de error de bit de códigos lineales binarios sistemáticos a través de sus espectros de peso.
Artículo:
El Espacio de Tsirelson tiene una base incondicional única hasta la permutación para
Artículo:
Algoritmo de colonia de hormigas de mutación para el Problema de Enrutamiento de Vehículos de Recolección con Tiempo de Finalización más Rápido basado en Optimización Dinámica
Artículo:
Un esquema iterativo para resolver sistemas de ecuaciones integrodiferenciales de Fredholm no lineales.
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Análisis socioeconómico de la problemática de los desechos plásticos en el mar
Artículo:
Los web services como herramienta generadora de valor en las organizaciones