.png){kind=icon}
返回
Adaptive sieving: a dimension reduction technique for sparse optimization problems
.png){kind=icon}
PRE
AI
DOI：10.1007/s12532-025-00282-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种自适应筛选（AS）策略，用于通过有效探索解的内在稀疏性来解决一般的稀疏机器学习模型，其中仅需求解一系列规模小得多的简化问题。我们进一步将所提出的AS策略应用于高效生成大规模稀疏优化问题的解路径。本文为所提出的AS策略建立了理论保证，包括其有限终止性质。本文展示了大量的数值实验，以证明AS策略在求解大规模机器学习模型方面的有效性和灵活性。
Keyword:
Adaptive sieving
Dimension reduction
Sparse optimization problems
查看更多机构