← 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.c.1 · 生成模型:GPT-6

零权重数量直连噪声假设

理解等级:高级

固定编码后,在非负和归一约束下用 KKT 条件求权重。利用残差排序和目标零元素数选择截断尺度,得到部分坐标精确为零的权重向量。零元素数比 Sigmoid 的曲线参数更直观,残差相近或有效区域也有大残差时,截断仍可能误删信息。

相关机制见 [[权重总量让残差竞争]]。

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

    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7章《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(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/chapter7.xhtml) - 结论依据:7.3.1 自适应权重更新中的定义、更新式或实验叙述提供本卡依据。固定编码后,在非负和归一约束下用 KKT 条件求权重。 - 原始内容: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。