- 112 Seiten
- German
- PDF
- Über iOS und Android verfügbar
Near-Optimal Data-Driven l1-Regularization
Über dieses Buch
l1-Regularisierung ist ein allgemein bekannter Ansatz um unterbestimmte Gleichungssysteme zu lösen. Der Anteil der Regularisierung wird von einem Regularisierungsparameter kontrolliert. Obwohl es bereits zahlreiche Techniken gibt, diesen Parameter zu wählen, ist die korrekte Wahl nach wie vor eine Herausforderung. In dieser Arbeit schlagen wir einen datengestützten Ansatz vor, der nicht auf Wissen über den Rauschpegel beruht. Die Idee ist den Regularisierungsparameter von LASSO durch eine greedy Lösung, die von OMP berechnet wurde, zu schätzen. Folglich können wir die Vorteile eines greedy Ansatzes, die aus seiner einfachen Implementierbarkeit und seiner rechnerischen Geschwindigkeit bestehen, ausnutzen. Außerdem vermeiden wir bestimmte Nachteile, zum Beispiel, dass inkorrekte Entscheidungen getroffen werden. Zusätzlich profitieren wir von den positiven Aspekten der LASSO, welche dünnbesetzte Lösungen erzeugt. Wir geben konkrete Fehlerabschätzungen für die, von den verschiedenen Algorithmen rekonstruierten, Vektoren an und zeigen theoretisch, dass durch eine optimale Wahl des Regularisierungsparameters LASSO und OMP den gleichen Fehler erzielen können.
Häufig gestellte Fragen
- Elementar ist ideal für Lernende und Profis, die sich mit einer Vielzahl von Themen beschäftigen möchten. Erhalte Zugang zur Basic-Bibliothek mit über 800.000 vertrauenswürdigen Titeln und Bestsellern in den Bereichen Wirtschaft, persönliche Weiterentwicklung und Geisteswissenschaften. Enthält unbegrenzte Lesezeit und die Standardstimme für die Funktion „Vorlesen“.
- Pro: Perfekt für fortgeschrittene Lernende und Forscher, die einen vollständigen, uneingeschränkten Zugang benötigen. Schalte über 1,4 Millionen Bücher zu Hunderten von Themen frei, darunter akademische und hochspezialisierte Titel. Das Pro-Abo umfasst auch erweiterte Funktionen wie Premium-Vorlesen und den Recherche-Assistenten.
Bitte beachte, dass wir Geräte, auf denen die Betriebssysteme iOS 13 und Android 7 oder noch ältere Versionen ausgeführt werden, nicht unterstützen können. Mehr über die Verwendung der App erfahren.