Resumen

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.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Aprendizaje de transformadas sobrecompletas; minimización alternante; problema de aprendizaje de transformadas sparsificadas; solución de forma cerrada; complejidad computacional; enfoque propuesto.
• Keywords:Overcomplete transform learning; alternating minimization; sparsifying transform learning problem; closed-form solution; computation complexity; proposed approach