重加权核范数正则化：一种 SPARSEVA 方法
最优化与控制
2015-07-22 v1
摘要
本文旨在开发一种利用带重加权核范数正则化的最小二乘法估计高阶 FIR 和 ARX 模型的方法。通常，重加权方案中调节参数的选择计算代价高昂，因此我们提出使用 SPARSEVA（基于验证准则的稀疏估计）框架来克服这一问题。此外，我们建议使用预测误差准则（PEC）来选择 SPARSEVA 算法中的调节参数。数值算例证明了该方法的有效性，它与传统的交叉验证技术密切相关，但计算量要少得多。
引用
@article{arxiv.1507.05718,
title = {Reweighted nuclear norm regularization: A SPARSEVA approach},
author = {Huong Ha and James S. Welsh and Niclas Blomberg and Cristian R. Rojas and Bo Wahlberg},
journal= {arXiv preprint arXiv:1507.05718},
year = {2015}
}
备注
This paper is accepted and will be published in The Proceedings of the 17th IFAC Symposium on System Identification (SYSID 2015), Beijing, China, 2015