弹性网正则化多核学习的快速收敛率

Taiji Suzuki; Ryota Tomioka; Masashi Sugiyama

弹性网正则化多核学习的快速收敛率

机器学习 2011-07-14 v2

作者: Taiji Suzuki , Ryota Tomioka , Masashi Sugiyama

摘要

我们研究了带有弹性网正则化的多核学习 (MKL) 的学习率，该正则化由用于诱导稀疏性的 $\ell_1$ -正则化项和用于控制平滑性的 $\ell_2$ -正则化项组成。我们关注一种稀疏设定，其中核函数总数很大，但真实值的非零分量数量相对较小，并证明了弹性网 MKL 在 $\ell_2$ -混合范数球上达到了极小极大学习率。我们的界限比以往展示的收敛率更锐利，并且具有真实值越平滑则收敛率越快的性质。

关键词

多核学习弹性网正则化极小极大学习率稀疏设定收敛率

引用

@article{arxiv.1103.0431,
  title  = {Fast Convergence Rate of Multiple Kernel Learning with Elastic-net Regularization},
  author = {Taiji Suzuki and Ryota Tomioka and Masashi Sugiyama},
  journal= {arXiv preprint arXiv:1103.0431},
  year   = {2011}
}

备注

21 pages, 0 figure

弹性网正则化多核学习的快速收敛率

摘要

关键词

引用

备注

相关论文