用于$l_q$正则化的循环坐标下降算法
最优化与控制
2014-08-05 v1
摘要
在最近的稀疏建模研究中， () 正则化因其在诱导稀疏性和减少偏差方面优于正则化而受到广泛关注。在本文中，我们提出了一种用于正则化的循环坐标下降 (CCD) 算法。我们的主要结果表明，只要步长小于一个正常数，CCD 算法就会全局收敛到一个驻点。此外，我们证明了在某些附加条件下，CCD 算法会收敛到局部极小值。我们的数值实验证明了 CCD 算法的效率。
引用
@article{arxiv.1408.0578,
title = {A Cyclic Coordinate Descent Algorithm for lq Regularization},
author = {Jinshan Zeng and Zhimin Peng and Shaobo Lin and Zongben Xu},
journal= {arXiv preprint arXiv:1408.0578},
year = {2014}
}
备注
13 pages, 2 figures