Key points are not available for this paper at this time.
Die nicht-negative Matrixfaktorisierung (NMF) ist eine sehr effiziente parameterfreie Methode zur Zerlegung multivariater Daten in strikt positive Aktivierungen und Basisvektoren. Allerdings ist die Methode nicht für überkomplette Darstellungen geeignet, bei denen üblicherweise sparse Coding-Paradigmen angewendet werden. Wir zeigen, wie man die Konzepte der nicht-negativen Faktorisierung mit Sparsamkeitsbedingungen zusammenführen kann. Das Ergebnis ist ein multiplikativer Algorithmus, der in der Effizienz mit der Standard-NMF vergleichbar ist, jedoch verwendet werden kann, um sinnvolle Lösungen in überkompletten Fällen zu gewinnen. Dies ist von Interesse, z.B. im Fall des Lernens und Modellierens von Anordnungen rezeptiver Felder, die in einer visuellen Verarbeitungskarte angeordnet sind, wo eine überkomplette Darstellung unvermeidlich ist.
Eggert et al. (Mon,) haben diese Frage untersucht.