Loading...
机构名称:
¥ 23.0

由数据科目和统计数据引起的大规模优化问题通常寻找具有某些结构性稀疏性能的最佳解决方案。在本演讲中,我们将引入双重半齿牛顿近端算法(PPDNA)来解决此类问题,并解释我们的方法如何比各种一阶方法更有效。关键思想是使用解决方案的二阶稀疏性,除了数据稀疏性外,还要使我们的二阶方法的触电成本与一阶方法的次数低。我们证明,通过将ppDNA纳入自适应筛分框架中,我们可以有效地生成与正则化参数序列相对应的大规模问题的解决方案路径。我们将在几种流行的模型上说明我们的方法的高效率,包括凸聚类,套索和独家套索。

数据科学数学

数据科学数学PDF文件第1页

数据科学数学PDF文件第2页

数据科学数学PDF文件第3页

数据科学数学PDF文件第4页

数据科学数学PDF文件第5页