全连接ANN
数据 D
(x(i),y(i)),1⩽i⩽N
模型 M
al=y(x|ω,b)
y^=f(al|θ)
准则 C
J(al,y|θ)=J(x,y|ω,b,θ)=min
通过准则很容易确定需要优化的目标函数。
梯度下降
神经网络是前向求函数值,后向求梯度值,每一次迭代都会正向和反向各运行一次。
梯度下降就是求目标函数的偏导数,为了方便,省去正则项。
ω←ω+α∂(J)∂(ω)
b←b+α∂(J)∂(b)
有了以上的偏导数就可以很方便的得到BP。
稀疏表示
对于任一
x∈Rp,p为维度
,可以用一组基
A
表示为
所谓稀疏意思是 s 中的零个数尽量多。
稀疏表示的优化目标是:
但是在优化中
l0
是不连续的,难以求解;
但是在一定条件下可以转为
l1
,对于
l1
问题容易求解,但是在零点不可导;
若转为
l2
,连续可导,可以通过优化方法得出解。