用于加速 L1 正则化的稳定安全筛选与结构化字典
机器学习
2019-07-08 v3 信号处理
机器学习
摘要
在本文中,我们提出一种结合 正则化最小二乘问题两种加速技术的方法:安全筛选测试(可剔除无用的字典原子)与字典矩阵的快速结构化近似的使用。为此,我们引入一类称为稳定筛选(stable screening)的新筛选测试族,其能在字典原子存在近似误差时仍保持测试的安全性(即零风险拒绝属于解支撑的原子)。若干现有主要筛选测试被扩展至这一新框架。所提算法在初始迭代使用较粗(但更快)的字典近似,随后切换至更优近似,最终采用原始字典。推导了基于对偶间隙饱和与筛选率的系统性切换准则。仿真结果表明,在广泛测试场景中计算复杂度与执行时间均显著减少。
引用
@article{arxiv.1812.06635,
title = {Stable safe screening and structured dictionaries for faster L1 regularization},
author = {Cassio Fraga Dantas and Rémi Gribonval},
journal= {arXiv preprint arXiv:1812.06635},
year = {2019}
}