通过神经网络架构搜索发现稀疏恢复算法
机器学习
2025-12-29 v1
摘要
设计用于信号处理中逆问题求解的新型算法是一个极其困难、依赖经验且耗时的任务。本短文提出了通过元学习工具（如神经网络架构搜索, NAS）在信号处理语境中实现自动化算法发现的想法。具体而言，我们将迭代收缩阈值算法（ISTA）及其加速版快速ISTA（FISTA）作为算法重发现的候选对象。我们开发了一个元学习框架，能够在包含超过50,000个变量的搜索空间中，对上述两种算法进行重发现（包括若干关键要素）。随后我们展示了该框架如何应用于 various data distributions 和 ISTA/FISTA 以外的其他算法。
引用
@article{arxiv.2512.21563,
title = {Discovering Sparse Recovery Algorithms Using Neural Architecture Search},
author = {Patrick Yubeaton and Sarthak Gupta and M. Salman Asif and Chinmay Hegde},
journal= {arXiv preprint arXiv:2512.21563},
year = {2025}
}
备注
Presented at the 59th Asilomar Conference on Signals, Systems, and Computers