传统Tikhonov(L2)正则化逼近公式推导

此篇文章主要针对Tikhonov正则化初学者了解Tikhonov泛函是怎样给出的以及解的推导。

Tikhonov正则化

首先我们先给出Tikhonov正则化方法在这里插入图片描述
我们在学习研究反问题和正则化的文章时,往往会直接给出如上定理,但Tikhonov泛函和解的给出并没有作过多解释,因此,接下来的内容主要是推导和理解以上内容。

正则化

我们在解决如Ax=y的线性算子方程时,通常采用经典的最小二乘法估计,但是这种方法会导致过拟合或者产生方程的欠定解。解决过拟合的一种方法就是正则化方法。
在这里插入图片描述

  1. 最小二乘法 :最小二乘法的原则是以“残差平方和最小”确定直线位置。
  2. 过拟合 :过度拟合的问题通常发生在变量过多的时候。这种情况下训练出的方程总是能很好的拟合训练数据。但是,这样的曲线千方百计的去拟合训练数据,导致它无法泛化(模型能够应用到新样本的能力)到新的数据样本中,以至于无法预测新样本。
  3. 惩罚项:所谓『惩罚』是指对损失函数中的某些参数做一些限制。引入正则化项之后,会提高抗干扰能力,提高泛化能力。

Tikhonov逼近式推导

在这里插入图片描述
得到Tikhonov泛函后,只需要求解使泛函最小值成立的X即可。
通过微分求解,得到的逼近式结果同上面的(2.8)结果相同。

线性算子角标不同的原因:K*代表K的转置共轭,在推导时我们默认其为实矩阵。(相关内容可参考广义逆)

关于此文章有什么问题欢迎在评论区与我讨论~

参考文献:
郑恩希.几种不适定问题的正则化方法及其数值实现[D].吉林大学,2009.
王彦飞.反问题的优化与正则化算法[D].中国科学院,2002.

  • 17
    点赞
  • 51
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值