受箱约束的L0 Bregman松弛
最优化与控制
2025-03-20 v1
摘要
L0伪范数正则化是一种普遍用于稀疏化的做法，广泛应用于机器学习和信号处理。然而，求解此类问题已知为NP难。最近，L0 Bregman松弛(B-rex)被引入作为L0伪范数的连续、非凸近似。将L0项替换为B-rex可导致保持全局最优的精确连续松弛，从而简化优化景观，使非凸问题更适合算法方法求解。在本文中，我们关注受箱约束的L0正则化准则的精确连续Bregman松弛，涵盖一般数据项，包括最小二乘、逻辑回归和KL散度忠诚度。与分支定界方法相比的合成数据上的实验结果表明，所提出的松弛方法有效。
引用
@article{arxiv.2503.15083,
title = {Box-constrained L0 Bregman-relaxations},
author = {Mhamed Essafri and Luca Calatroni and Emmanuel Soubies},
journal= {arXiv preprint arXiv:2503.15083},
year = {2025}
}