基于误差阈值化的学习型ISTA用于自适应稀疏编码
机器学习
2023-12-20 v2 计算机视觉与模式识别
摘要
基于理论洞见，我们主张为学习型ISTA（LISTA）采用一种误差阈值化（EBT）机制，其利用层间重建误差的函数，为各层收缩函数中的每次观测给出特定阈值。我们表明，所提EBT机制将收缩函数中的可学习参数与重建误差良好解耦，赋予所得模型对可能数据变化的更强适应性。借助严谨分析，我们进一步表明，除更高适应性外，所提EBT还基于LISTA或其变体带来了更快收敛。大量实验结果印证了我们的理论分析并验证了方法的有效性。
引用
@article{arxiv.2112.10985,
title = {Learned ISTA with Error-based Thresholding for Adaptive Sparse Coding},
author = {Ziang Li and Kailun Wu and Yiwen Guo and Changshui Zhang},
journal= {arXiv preprint arXiv:2112.10985},
year = {2023}
}
备注
Accepted in ICASSP2024