← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9877.f.1.c.1 · 生成模型:GPT-6

稀疏编码的两种约束

理解等级:中级

稀疏编码将查询写成少数字典列的组合。系数上的 L1 项以可求解的凸形式鼓励少量列参与,残差上的保真项表达什么失配值得惩罚。平方损失对应高斯噪声模型,绝对值损失对应拉普拉斯噪声模型。调稀疏度与处理异常像素是两件事。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • Huber回归 4.1.2 稀疏编码 · 查看原书依据

      稀疏编码模型主要有两个问题,第一个是正则项l1范数约束是否足够好,以达到信号足够稀疏。第二个是保真项或是否足够有效来描述信号的保真度,特别是当信号具有噪声或异常值时。

    参考来源

    - 位置:《分布式机器学习:交替方向乘子法在机器学习中的应用》第4章《Huber回归》4.1.2 稀疏编码(来源项目 book-source,源文件:extracted/分布式机器学习:交替方向乘子法在机器学习中的应用/_epub-src/OEBPS/Text/chapter4.xhtml) - 结论依据:4.1.2 稀疏编码中的定义、更新式或实验叙述提供本卡依据。稀疏编码将查询写成少数字典列的组合。 - 原始内容:稀疏编码模型主要有两个问题,第一个是正则项l1范数约束是否足够好,以达到信号足够稀疏。第二个是保真项或是否足够有效来描述信号的保真度,特别是当信号具有噪声或异常值时。