group lasso | BriefGPT - AI 论文速递

关键词group lasso

搜索结果 - 12

一种快速且可扩展的路径求解器：基于分块坐标下降法的组套索和弹性网络惩罚回归
基于块坐标下降的快速可扩展算法用于解决广义线性模型中的群组套索和群组弹性网络问题，特别关注普通最小二乘损失（高斯损失），展示了每个块坐标更新可以通过牛顿方法高效解决，进一步利用自适应二分法进行改进，具有二次收敛速度。我们的基准测试显示，我们
PDF2 months ago
修复 NTK：从神经网络线性化到精确的凸规划
该研究旨在解释门控 ReLU 网络的凸规划问题并建立其与神经切向核（NTK）之间的联系，通过迭代重新加权来提高 NTK 引导的权重以获得最优的多核学习（MKL）核，该核等同于凸规划问题的解，并提供了对最优核的预测误差的分析结果，并通过群套索
PDF9 months ago
稀疏凸优化的 L1 正则化性能
本研究提出了一种新的方法来证明 Group LASSO 算法在稀疏凸优化中的一些特定情况下具有 recovery guarantees，为进一步解决列子集选择问题提供了新的策略。
PDFa year ago
面向 SIMD 大小的权重正则化，用于 CPU 上的快速神经语音合成
提出一种权重正则化的方法来加速神经声码器，通过将权重矩阵转换为张量并将权重按组大小对齐，然后计算群 Lasso-like 正则化损失，实现不影响质量的剪枝，并达到比传统方法更快的处理速度。
PDF2 years ago
利用 Group Lasso 正则化自动选择深度神经网络节点
本文利用 TED Talks 演讲数据，通过 DNN-HMM 混合语音识别器检测 Group Lasso (gLasso) 正则化器对选择神经网络隐藏层显著节点的影响，证明了嵌入 gLasso 正则化器的 DNN 训练可以成功选择隐藏层节点
PDF8 years ago
多任务学习中的稀疏重叠集合 Lasso 及其在 fMRI 分析中的应用
本文提出了一种新的过程叫稀疏重叠集 (SOS) Lasso，是一种自动选择相关学习任务的类似特征的凸优化方法，其解决了多任务学习中特征选择的问题，特别是在多主题 fMRI 研究中具有应用价值。
PDF11 years ago
回归中的相关变量：聚类与稀疏估计
利用基于规范相关的层次聚类算法，针对强相关的高维线性模型提出了一种首先聚类变量然后进行稀疏估计的方法，其中对聚类代表采用 Lasso 算法或结构基于聚类的组 Lasso 算法进行后续稀疏估计，并给出理论分析和实验证明了该方法的优越性。
PDF12 years ago
组别下降算法用于具有组别预测变量的非凸罚线性和逻辑回归模型
该论文研究使用一些非凸罚项方法解决群体选择问题并进行变量选择的统计性能比较。
PDF12 years ago
关于群 Lasso 和稀疏群 Lasso 的说明
该论文探讨了基于群回归的线性模型问题，提出了一种更加通用的罚函数，该罚函数将 L1 范数和群 L2 范数相融合，可以同时稀疏化群和个体特征。此外，为了解决该问题，提出了一种基于坐标下降的高效算法，该算法也适用于处理非正交模型矩阵的群回归的一
PDF15 years ago
组稀疏性的益处
本文提出了一个基于强群体稀疏概念的群体 Lasso 理论。研究结果表明，群组 Lasso 对于强群体稀疏信号优于标准的 Lasso，这为在基础群组结构与数据一致时使用群体稀疏正则化提供了有力的理论证明。此外，理论预测了群体 Lasso 公式
PDF15 years ago
高维多元回归中支持联合恢复
本文研究多元回归中的分组 Lasso，使用基于 L1/L2 范数的分块正则化进行支持融合恢复或恢复 B * 非零行的集合，证明了分组 Lasso 在高维缩放下对于问题序列 (n、p、s) 成功的阈值和失败的阈值，并使用模拟演示了理论结果的锐
PDF16 years ago
群 Lasso 和多核学习的一致性
本文研究了使用组套 Lasso 进行带有正则化的最小二乘回归问题的渐近一致性和多核学习的无限维情况下的一致性性质，并提出了自适应方案以获得一致的模型估计。
PDF17 years ago