用于透射层析的 Laplacian 先验变分自动相关确定
机器学习
2017-10-27 v1 概率论
摘要
在经典的稀疏驱动问题中，基础的 L-1 惩罚方法已被证明在广泛问题的信号重建中具有良好性能。然而该性能依赖于惩罚权重的良好选择，而后者常由经验实验确定。我们提出一种称为 Laplacian 变分自动相关确定（Lap-VARD）的算法，将此类惩罚权重作为先验 Laplace 分布的参数。在自动相关确定框架下对该参数的优化，实现了信号重建的稀疏性与准确性之间的平衡。我们的算法在具有小波域稀疏约束的透射层析模型中实现。
引用
@article{arxiv.1710.09522,
title = {Laplacian Prior Variational Automatic Relevance Determination for Transmission Tomography},
author = {Jingwei Lu and David G. Politte and Joseph A. O'Sullivan},
journal= {arXiv preprint arXiv:1710.09522},
year = {2017}
}
备注
5 pages 2 figures