.png){kind=icon}
.png){kind=icon}
返回
Bregman-Divergence-Based Arimoto-Blahut Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1109/TIT.2025.3597943.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们将广义Arimoto-Blahut算法推广到定义在Bregman散度系统上的一个一般函数。在现有方法中，当施加线性约束时，每次迭代都需要求解一个凸最小化问题。利用我们获得的算法，我们提出了一种无最小化迭代的算法。该算法可以应用于经典和量子率失真理论。我们通过数值方法将我们的方法应用于率失真理论中最优条件分布的推导。
Keyword:
Minimization
Rate-distortion
Vectors
Mirrors
Convex functions
Quantum state
Mutual information
Probability distribution
Optimization
Machine learning algorithms
Bregman divergence
rate-distortion
em-algorithm
mixture family
convex-minimization-free
期刊
I
IF:
2.9
论文数:
317
被引数:
0