.png){kind=icon}
返回
Smoothing Functions for Sparse Optimization: A Unified Framework
.png){kind=icon}
OA
AI
DOI：10.1007/s10957-026-02975-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种统一的框架，用于构建针对广泛使用的正则化器的平滑函数，包括加法函数、分位数函数、ℓ₀-范数、0 < p ≤ 1的ℓₚ-范数、MCP和SCAD。通过将非光滑正则化器转化为光滑近似，所提出的框架促进了高效优化算法在稀疏优化问题中的应用。该框架系统地从阶跃函数的连续近似推导而来，为生成各种正则化器的平滑函数提供了一种规范方法。这些近似构造采用多项式函数和狄拉克δ函数。
Keyword:
Regularizer
Regularized function
Smoothing function
期刊
J
IF:
1.5
论文数:
178
被引数:
8.2K
机构
引用论文
Positive Definite Estimation of Large Covariance Matrix Using Generalized Nonconvex Penalties.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Survey on Nonconvex Regularization-Based Sparse and Low-Rank Recovery in Signal Processing, Statistics, and Machine LearningIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容