Deeply Learned Robust Matrix Completion for Large-scale Low-rank Data Recovery
深度学习鲁棒矩阵补全用于大规模低秩数据恢复
机构 * School of Data, Mathematical, and Statistical Sciences and the Department of Computer Science, University of Central Florida（数据、数学与统计科学学院和计算机科学系，中央佛罗里达大学） ； School of Data, Mathematical, and Statistical Sciences, University of Central Florida（数据、数学与统计科学学院，中央佛罗里达大学） ； Damo Academy, Alibaba US（阿里云美国研究院）
AI总结 本文提出了一种可扩展且可学习的非凸方法，即学得鲁棒矩阵补全（LRMC），用于大规模鲁棒矩阵补全问题，该方法具有低计算复杂度和线性收敛性，并通过深度展开有效学习自由参数以实现最优性能，同时在合成数据集和实际应用中验证了其优越的实验性能。
Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 48(6): 6541-6556, 2026
