Fugu-MT 論文翻訳(概要): Coordinate Descent for MCP/SCAD Penalized Least Squares Converges Linearly

論文の概要: Coordinate Descent for MCP/SCAD Penalized Least Squares Converges Linearly

arxiv url: http://arxiv.org/abs/2109.08850v1
Date: Sat, 18 Sep 2021 06:26:45 GMT
ステータス: 処理完了
システム内更新日: 2021-09-21 16:43:32.208017
Title: Coordinate Descent for MCP/SCAD Penalized Least Squares Converges Linearly
Title（参考訳）: MCP/SCADペナライズされた最小正方形に対する線形収束座標
Authors: Yuling Jiao, Dingwei Li, Min Liu and Xiliang Lu
Abstract要約: 観測データからスパース信号を復元することは、信号/イメージング処理、統計、機械学習において重要なトピックである。本研究では,その単純さと最小のペナルティ付き正方形問題により,非ペナルティ付き正方形規準を最小化する性質を証明した。
参考スコア（独自算出の注目度）: 8.43057495762288
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recovering sparse signals from observed data is an important topic in signal/imaging processing, statistics and machine learning. Nonconvex penalized least squares have been attracted a lot of attentions since they enjoy nice statistical properties. Computationally, coordinate descent (CD) is a workhorse for minimizing the nonconvex penalized least squares criterion due to its simplicity and scalability. In this work, we prove the linear convergence rate to CD for solving MCP/SCAD penalized least squares problems.
Abstract（参考訳）: 観測データからスパース信号を復元することは、信号/イメージング処理、統計、機械学習において重要なトピックである。非凸ペナルティ化された最小四角形は、素晴らしい統計特性を享受するため、多くの注目を集めています。計算学的には、座標降下(CD)は、その単純さとスケーラビリティのために非凸最小二乗基準を最小化するための作業である。本研究では,MPP/SCADの最小二乗問題を解くために,CDに対する線形収束率を証明した。

関連論文リスト

Message-Passing Monte Carlo: Generating low-discrepancy point sets via Graph Neural Networks [64.39488944424095]
本稿では,Message-Passing Monte Carlo という低差点集合を生成する機械学習手法を提案する。 MPMC点は、低次元と少数の点との差に関して、最適かほぼ最適であることが実証的に示されている。
論文参考訳（メタデータ） (2024-05-23T21:17:20Z)
Distributed Least Squares in Small Space via Sketching and Bias Reduction [0.0]
マトリックススケッチは、大きなデータ行列のサイズを減らす強力なツールである。誤差よりも推定器のバイアスを最小限に抑えるスケッチ手法を設計することで,これらの制限を分散環境で回避できることを示す。特に、最適空間と現在の行列乗算時間で動作するスパーススケッチ法を提案し、2つのパスデータを用いて、ほぼ偏りのない最小二乗推定器を復元する。
論文参考訳（メタデータ） (2024-05-08T18:16:37Z)
Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文参考訳（メタデータ） (2023-08-21T13:03:25Z)
Square Root Marginalization for Sliding-Window Bundle Adjustment [53.34552451834707]
実時間オドメトリーに適合する新しい正方形根のすべり窓束の調整法を提案する。提案した平方根辺化は、ヘシアン上でのシュール補数(SC)の従来の使用と代数的に等価であることを示す。実世界のデータセットにおける視覚的および視覚的慣性オドメトリーの評価は,提案した推定器がベースラインよりも36%高速であることを示す。
論文参考訳（メタデータ） (2021-09-05T23:22:38Z)
Robust Training in High Dimensions via Block Coordinate Geometric Median Descent [69.47594803719333]
幾何学的中央値 (textGm) は、未破損データのロバストな推定を達成するための統計学における古典的な方法である。本稿では,テキストscGmを一度に選択した座標ブロックにのみ適用することにより,スムーズな非テキスト問題に対して0.5の分解点を保持することができることを示す。
論文参考訳（メタデータ） (2021-06-16T15:55:50Z)
Stability and Generalization of Stochastic Gradient Methods for Minimax Problems [71.60601421935844]
多くの機械学習問題は、GAN(Generative Adversarial Networks)のようなミニマックス問題として定式化できる。ミニマックス問題に対するトレーニング勾配法から例を包括的に一般化解析する。
論文参考訳（メタデータ） (2021-05-08T22:38:00Z)
Learning Graph Laplacian with MCP [8.409980020848167]
我々は,非滑らかなペナルティ制約を持つ半ラシアンの下でグラフを学習する問題を考察する。 DCAのサブプロブレムに効率的なニュートン法を適用した。
論文参考訳（メタデータ） (2020-10-22T09:33:49Z)
Sinkhorn Barycenter via Functional Gradient Descent [125.89871274202439]
我々はシンクホーン発散の下で確率分布の集合のバリ中心を計算することの問題を考察する。この問題は最近、グラフィックス、学習、ビジョンなど、さまざまな領域にまたがるアプリケーションを見つけました。 Sinkhorn Descent という関数勾配降下法を開発した。
論文参考訳（メタデータ） (2020-07-20T20:16:47Z)
Variance reduction for Random Coordinate Descent-Langevin Monte Carlo [7.464874233755718]
高速収束を提供するランゲヴィン・モンテカルロ(LMC)は勾配近似の計算を必要とする。実際には、有限差分近似を代理として使用し、高次元では高価である。本稿では,新しい分散低減手法であるCoordinates Averaging Descent (RCAD)を導入し,過度に損傷を受けたLCCと過度に損傷を受けたLCCを併用する。
論文参考訳（メタデータ） (2020-06-10T21:08:38Z)
Curvature Regularized Surface Reconstruction from Point Cloud [4.389913383268497]
曲率制約を伴って暗黙的表面を点雲データから再構成する変動関数と高速アルゴリズムを提案する。提案手法は雑音に反し,曲率制約のないモデルと比較して,凹凸の特徴や鋭い角を回復する。
論文参考訳（メタデータ） (2020-01-22T05:34:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。