Smooth Bilevel Programming for Sparse Regularization 稀疏正则化的平滑二层规划
英国巴斯大学,数学科学系
2021.6.4
原文链接:https://arxiv.org/pdf/2106.01429.pdfhttps://arxiv.org/pdf/2106.01429.pdf
摘要:迭代加权最小二乘(IRLS)是机器学习中解决稀疏强制回归问题的一种流行方法。最先进的方法是更有效的,但通常依赖于特定的协调剪枝方案。在这项工作中, 展示了一个非常简单的irl再参量化,再加上一个上下两层的分辨率(而不是一个交流计划)能够实现最高性能广泛的稀疏(如套索,集团套索和跟踪规范合法化),正则化强度(包括硬约束),以及设计矩阵(从相关设计到微分算子)。与IRLS类似,我们的方法只涉及线性系统分辨率,但与之形成鲜明对比的是