稀疏贝叶斯学习的超参数自动调优
信号处理
2022-11-10 v1 机器学习
摘要
在稀疏贝叶斯学习(SBL)中，选择超参数的值会显著影响性能。然而，超参数通常是手动调整的，这往往是一项困难的任务。最近，通过使用经验自动调优器实现了有效的自动超参数调优。在这项工作中，我们使用基于神经网络(NN)的学习来解决超参数自动调优问题。受经验自动调优器的启发，我们设计并学习了一个基于神经网络的自动调优器，并展示了在收敛速度和恢复性能方面可以实现相当大的改进。
引用
@article{arxiv.2211.04847,
title = {Hyper-Parameter Auto-Tuning for Sparse Bayesian Learning},
author = {Dawei Gao and Qinghua Guo and Ming Jin and Guisheng Liao and Yonina C. Eldar},
journal= {arXiv preprint arXiv:2211.04847},
year = {2022}
}