Creo que es el interés reciente en las técnicas de optimización convexa para la factorización matricial:
http://www-kd.iai.uni-bonn.de/pu…
Hace casi 8 años (quizás 10) hubo un trabajo muy interesante sobre la factorización matricial de margen máximo:
ttic.uchicago.edu/~nati/Publications/MMMFnips04.pdf
En ese momento, la única implementación disponible utilizaba un solucionador estándar, y el método era esencialmente inaccesible en comparación con la simplicidad y efectividad de los métodos NMF. Además, los métodos de NMF producen factores no negativos, mientras que MMMF no. Aún así, los métodos de NMF, y, en particular, algunos NMF dispersos, pueden mostrar problemas de convergencia, y sería muy deseable tener un método convexo.
- Álgebra abstracta: ¿Cómo se transforma una matriz en su forma escalonada?
- ¿Por qué una matriz tiene que ser cuadrada para obtener una matriz inversa?
- ¿Se utilizan Jordan Normal Form y Dual Spaces en las estadísticas?
- ¿Qué tipo de matemática se necesita saber para comprender mejor la neurociencia?
- ¿Cómo se usan exactamente los vectores en inteligencia artificial?
Recientemente parece haber un renovado interés en los métodos de tipo MMMF, como el trabajo reciente de Stanford
http://jmlr.csail.mit.edu/papers…
Será muy interesante ver si estos métodos pueden competir con los solucionadores de MF más modernos y disponibles, como
http://graphlab.org/
y, más recientemente, 2012, Hott Topics
http://arxiv.org/pdf/1206.1270.pdf