Hãy nhớ rằng, L1 không phải là phương pháp duy nhất để cảm nhận nén. Trong nghiên cứu của chúng tôi , chúng tôi đã thành công hơn với Truyền thông điệp gần đúng (AMP). Tôi đang định nghĩa "thành công" là lỗi thấp hơn, chuyển pha tốt hơn (khả năng phục hồi với ít quan sát hơn) và độ phức tạp thấp hơn (cả bộ nhớ và cpu).
Thuật toán Truyền thông điệp gần đúng thiết lập một khung Bayes để ước tính các vectơ chưa biết trong một hệ thống tuyến tính quy mô lớn, nơi đầu vào và đầu ra của hệ thống tuyến tính được xác định bởi các mô hình xác suất (ví dụ: "vectơ này được đo bằng nhiễu", "vectơ này có một số số không "). Cách tiếp cận AMP ban đầu được Donoho giả mạo đã được Rangan cải tiến thành Thông điệp gần đúng Tổng quát Truyền với mã Matlab có sẵn. Các đầu vào và đầu ra có thể là các hàm mật độ xác suất gần như tùy ý. Trong nghiên cứu của chúng tôi, chúng tôi đã phát hiện ra rằng GAMP thường nhanh hơn, chính xác hơn và mạnh mẽ hơn (đọc: đường cong chuyển pha tốt hơn) so với phương pháp tiếp cận lồi L1 và phương pháp tiếp cận tham lam (ví dụ: Theo đuổi kết hợp trực giao).
Cố vấn của tôi và tôi vừa viết một bài báo về việc sử dụng GAMP cho Phân tích CS, trong đó người ta mong đợi có nhiều số không, không phải trong vectơ x chưa biết, mà là trong hàm tuyến tính của Wx chưa biết đó.