基于非凸惩罚改进脉冲稀疏恢复
信号处理
2020-09-22 v1
摘要
与数字方法相比，基于脉冲神经网络的稀疏恢复具有计算效率高、功耗低等显著优势。然而，当前的脉冲算法通常旨在求解带凸惩罚（尤其是 范数）的经典优化问题，无法保证更精确的估计。事实上，实践中观察到凸惩罚会低估真实解，而非凸惩罚可避免这种低估。受此启发，我们提出一种自适应版本的脉冲稀疏恢复算法来求解非凸正则化优化问题，并分析了其全局渐近收敛性。实验表明，在不同自适应方式下精度均得到大幅提升。
引用
@article{arxiv.2009.09163,
title = {Improving Spiking Sparse Recovery via Non-Convex Penalties},
author = {Xiang Zhang and Lei Yu and Gang Zheng},
journal= {arXiv preprint arXiv:2009.09163},
year = {2020}
}