WEEP：一种基于弱凸包络的可微分非凸稀疍正则化器
机器学习
2026-01-21 v2 计算机视觉与模式识别
摘要
稀疍正则化是信号处理和特征提取中的基本问题，但通常依赖于非可微惩罚项，与基于梯度的优化器冲突。我们提出了WEEP（Weakly-convex Envelope of Piecewise Penalty），一种 novel 可微分正则化器，源自弱凸包络框架。WEEP 提供可调的无偏稀疍性，并具备简洁的闭式近端算子，同时保持完全可微和 L-smooth 特性，确保与基于梯度和近端算法的兼容。这一工作解决了统计性能与计算可行性之间的权衡。在挑战性的压缩感知和图像去噪任务上，我们的 method 在已建立的凸和非凸稀疍正则化器中表现出优异性能。
引用
@article{arxiv.2507.20447,
title = {WEEP: A Differentiable Nonconvex Sparse Regularizer via Weakly-Convex Envelope},
author = {Takanobu Furuhashi and Hidekata Hontani and Qibin Zhao and Tatsuya Yokota},
journal= {arXiv preprint arXiv:2507.20447},
year = {2026}
}
备注
5 pages, 5 figures, 1 tables. Accepted at ICASSP 2026