关键词sparsity-inducing regularization
搜索结果 - 2
- 基于正交坐标轴的惩罚项一正则化优化的近端随机梯度方法
介绍了一种新的随机优化算法 - 基于正交面的近端随机梯度方法(OBProx-SG)- 用于解决最流行的稀疏正则化问题,与现有方法相比,在稀疏探索和目标值方面综合表现优异,特别是在凸优化问题上获得了全局最优解,同时在非凸优化问题上获得了稳定点 - 正则化与放松:统计变量选择的锥优化视角
本文介绍了如何将一个经典的稀疏正则化模型 with an l0 范数惩罚转化为凸松弛的形式,在此基础上通过引入远离凸性的惩罚函数,如 Minimax Concave Penalty (MCP) 以及 reverse Huber penalt