基于分析型压缩感知的展开网络泛化能力分析
机器学习
2025-06-11 v3 信息检索
信息论
信号处理
math.IT
摘要
展开网络在压缩感知(CS)领域已展现出有前景的结果。然而,对其泛化能力的研究仍处于起步阶段。本文对一种最先进的基于ADMM的展开网络进行泛化分析,该网络联合学习用于CS的解码器与稀疏化冗余分析算子。为此,我们首先对可学习的稀疏化器施加结构约束,从而参数化该网络的假设类。对于该假设类,我们估计其Rademacher复杂度。基于这一估计,我们给出所考察网络的泛化误差界——其随层数平方根 scaling——在合成与真实世界数据集上。我们的实验结果表明,我们提出的框架符合我们的理论发现,并且在所有数据集上一致地优于基线。
引用
@article{arxiv.2303.05582,
title = {Generalization analysis of an unfolding network for analysis-based Compressed Sensing},
author = {Vicky Kouni and Yannis Panagakis},
journal= {arXiv preprint arXiv:2303.05582},
year = {2025}
}