Resumen
- La representación, el análisis y la detección de señales dispersas han recibido mucha atención en los últimos años por parte de las comunidades de procesamiento, optimización y aprendizaje de señales. Por un lado, el aprendizaje de diccionarios excesivamente completos que facilitan una representación dispersa de los datos como una combinación de liner de unos pocos átomos de dicho diccionario conduce a resultados de vanguardia en la restauración y clasificación de imágenes y videos. Por otro lado, el marco de la detección comprimida (CS) ha demostrado que las señales dispersas pueden recuperarse de muchas menos muestras que las requeridas por el clásico Teorema de Shannon Nyquist.