数倍加速训练与测试
利用字典矩阵的数值低秩性，同时更新所有元素，避免显式构建核矩阵，大幅提升大规模字典学习效率。
吴钢
Neural Networks 2024
通过对字典矩阵应用随机奇异值分解，可以一次性更新整个字典矩阵，避免了逐列更新带来的串行开销。
所提出的测试策略使得训练和测试阶段都不需要显式构建或存储核矩阵，显著节省内存。
从矩阵扰动分析的角度证明了在不精确求解下随机算法的合理性，为近似计算提供理论支撑。
论文提供的MATLAB代码公开可用，便于研究者直接复现和集成。