Robust Subspace-Constrained Quadratic Models for Low-Dimensional Structure Learning

En 3 lignesNouvelle méthode SCQM pour extraire des structures basse-dimension de données haute-dimension. Généralise le framework SQMF en accommodant distributions de bruit variées (Gaussienne généralisée, Laplace radiale). Algorithme gradient avec line-search garantit convergence stable. Expériences numériques montrent supériorité en robustesse et précision de reconstruction.

Résumé généré par Claude — vérifié par l'humain