← 返回卡片

原书出处

分布式机器学习:交替方向乘子法在机器学习中的应用

07 自适应加权的Huber约束稀疏表达的鲁棒性算法 7.3.1 自适应权重更新

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T15:03:44.689Z

学习稀疏的权重向量来消除噪声像素点。

因此,自适应权重希望超过阈值的噪声像素点的权重系数为零。将残差[e1,e2,…,em]按从小到大排序。

假设w的最优解存在l>0个零元素,那

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置: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/chapter7.xhtml

EPUB SHA-256:09dfdf1c3d0b85ffd714aa31b1545050f8a45686664f814789c7fed53b574d44