用张量核求解$\ell^p$范数正则化
机器学习
2017-10-19 v2 最优化与控制
摘要
本文讨论了如何使用合适的张量核族来有效求解正则化学习方法的非参数扩展。我们的主要贡献是提出了一种快速对偶算法，并表明它可以有效地解决问题。我们的结果与最近认为核方法不能扩展到希尔伯特设置之外的发现形成对比。数值实验证实了该方法的有效性。
引用
@article{arxiv.1707.05609,
title = {Solving $\ell^p\!$-norm regularization with tensor kernels},
author = {Saverio Salzo and Johan A. K. Suykens and Lorenzo Rosasco},
journal= {arXiv preprint arXiv:1707.05609},
year = {2017}
}