arXiv stat.ML· Wanling Xie, Hu Yang·· 7 天前AI 评分27
用于联合组稀疏与结构平滑的知识驱动非凸平方根正则化框架
A knowledge-driven nonconvex square-root regularization framework for joint group sparsity and structured smoothness
AI 导读
研究者提出非凸平方根正则化框架 NS$^3$R，将无需已知噪声水平的平方根损失与非凸 $\ell_{2,q}$（$0 < q < 1$）惩罚结合，同时建模组稀疏与结构平滑先验。该方法具备严格的非渐近误差界，并配套开发了具有可证明全局收敛性的双重筛选算法 DS-IRLS-th。合成与真实数据实验表明，NS$^3$R 在有限样本设置下持续优于现有 SOTA 方法。
来源：arXiv stat.ML · arxiv.org