convex regularization | BriefGPT

关键词convex regularization

搜索结果 - 6

高维超统计特征分类
研究在高维情况下通过经验风险最小化学习具有通用质心的两个数据点云的特征，涵盖了大量的数据分布，包括高斯混合分布和幂律分布，并分析了通过正则化的作用，推导了估计器的泛化性能，并探究了分布尺度参数对可分离性转换的影响。
PDFa year ago
正则化最优输运的理论是基于地面成本对抗的
本研究提出了一个新的正则化解释角度，即将正则化视为一种鲁棒性机制，展示了任何凸正则化的 OT 都可以被解释为接受对手 -- 地面成本的方式。这同时可以在地面空间上提供鲁棒的不相似性度量方法，并提出了相应的算法和实验性说明了这种方法的优越性。
PDF4 years ago
正则化最优输运及 Rot Mover's 距离
本文提出了一种针对离散最优输运问题的平滑凸正则化统一框架，并基于 Bregman 差异将正则化最优输运等效于矩阵相似问题，其中的算法包括基于 Sinkhorn-Knopp 以及 Dykstra 的交替投影算法，以及基于牛顿 - 拉夫逊法的扩
PDF8 years ago
原子范数正则化的前向 - 后向贪心算法
本文提出了一种优化算法 CoGEnT，用于信号处理中基于原子范数的重构问题，可以产生具有简洁原子表示的解决方案。该算法结合了基于条件梯度方法的贪婪选择方案和利用目标的二次性质来减小基大小的后向（或截断）步骤，可通过对一系列信号处理应用程序的
PDF10 years ago
基于扩散调适的稀疏分布式学习
本文提出了一种基于扩散 LMS 策略的自适应网络分布式估计方法，利用凸正则化增强扩散过程中的稀疏性检测，使网络具备学习能力和实时学习稀疏结构的能力，并演示了该方法在稀疏数据恢复方面的优势。
PDF12 years ago
NIPS通过凸规划在核类上为稀疏加法模型获取极小极值速率
本文研究了稀疏可加模型的估计方法，通过使用核函数和凸正则化，对在重要条件下估计函数具有良好的表现，同时证明了该方法的最优性并获得了最小极值速率。
PDF14 years ago