带稀疏约束的多核回归
机器学习
2020-12-18 v4 机器学习
摘要
在本文中，我们给出了带广义全变分（gTV）正则化的监督学习的 Banach 空间表述。我们确定了在此框架中可容许的核函数类。然后，我们提出了一种在带 gTV 正则化的连续域混合搜索空间中的监督学习变体。我们证明解允许具有自适应位置的多核展开。在此表示中，活跃核的数量以数据点数量为上界，而 gTV 正则化对核系数施加 惩罚。最后，我们通过数值方式说明了我们理论的结果。
引用
@article{arxiv.1811.00836,
title = {Multi-Kernel Regression with Sparsity Constraint},
author = {Shayan Aziznejad and Michael Unser},
journal= {arXiv preprint arXiv:1811.00836},
year = {2020}
}