iterative hard thresholding | BriefGPT

关键词iterative hard thresholding

搜索结果 - 7

联邦非凸稀疏学习
本文提出了两种在联邦学习背景下的非凸稀疏学习迭代算法：Fed-HT 和 FedIter-HT，证明了它们都具有线性收敛速度和类似于传统 IHT 方法的优秀稀疏估计保证，同时具有分散的非 IID 数据。实验结果表明，Fed-HT 和 FedI
PDF4 years ago
高维稳健稀疏回归
提出了一种用于高维度稀疏回归中具有常量分数的自变量和 / 或响应变量的污染的算法，它是迄今为止的首个这样的算法，利用使用这种算法，我们提供了强健的稀疏回归方法和过滤算法。
PDF6 years ago
双重迭代硬阈值：从非凸稀疏最小化到非平滑凹面极大化
本文提出了一个双重 IHT 算法来优化基于稀疏性的极小化模型，并建立了一个用于正则化的损失函数的稀疏对偶理论，这为我们提供了一组足够和必要的条件来在对偶公式中等价地解决原始的 NP-hard / 非凸问题。数值结果证明了双重 IHT 算法在
PDF7 years ago
使用迭代硬阈值方法训练瘦身的深层神经网络
本研究提出了一种迭代硬阈值（IHT）方法用于训练 “瘦” 深度神经网络（SDNN），该方法可以通过两个阶段的交替训练操作，即丢弃小激活连接并微调其他重要权重，然后重新激活被丢弃的连接以提高模型疏密性。该方法的优越性通过使用 CIFAR-10
PDF8 years ago
通过迭代硬阈值方法实现低秩张量恢复
本文研究了如何从少量线性测量中恢复高阶的低秩张量，介绍了几种张量分解的迭代硬阈值算法，并探讨了其收敛性，界限和性能，考虑了高斯随机测量、张量补全和傅里叶测量等不同情形。
PDF8 years ago
层次张量表示中的张量补全
本书章节考虑针对分层张量格式的迭代硬阈值方案，利用曲面优化中的回退映射将前有低秩张量的流形的切空间映回这个流形，并提供基于测量映射的张量版本的受限等距性质（TRIP）的第一部分收敛结果。此外，提供了保证加权张量秩的 TRIP 作为高斯测量映
PDF10 years ago
量化迭代硬阈值：连接 1 位和高分辨率量化压缩感知
本文研究探讨了将稀疏信号从量化压缩测量中重构出来的方法，该方法不论量化分辨率从 1 比特到高分辨率都适用，并通过广义化迭代硬阈值（IHT）算法及其二进制变体（BIHT）来实现，能较好地保持重构信号在量化模型相一致。同时，通过与其他方法（如
PDF11 years ago