Constructive Analysis for Least Squares Regression with Generalized K-Norm Regularization
Constructive Analysis for Least Squares Regression with Generalized K-Norm Regularization
复制标题
具有广义 K 范数正则化的最小二乘回归的建设性分析
DOI：
10.1155/2014/458459
复制
发表时间：
2014-07
影响因子：
--
通讯作者：
Nie, Weilin
中科院分区：
文献类型：
--
作者：
Wang, Cheng;Nie, Weilin
我们介绍了一种构造性的方法与广义K-范数正则化的最小二乘算法。与以往研究不同的是，在误差分解中，构造了一个具有可调参数的阶梯函数。它使得分析灵活，并可扩展到其他算法。基于样本误差的投影技术和正则化误差下积分算子的谱定理，我们最终得到了一个学习率。
We introduce a constructive approach for the least squares algorithms with generalized K-norm regularization. Different from the previous studies, a stepping-stone function is constructed with some adjustable parameters in error decomposition. It makes the analysis flexible and may be extended to other algorithms. Based on projection technique for sample error and spectral theorem for integral operator in regularization error, we finally derive a learning rate.
登录
查看更多内容
DOI：
10.1080/01621459.1962.10482149
发表时间：
1962-03
影响因子：
3.7
作者：
G. Bennett
通讯作者：
G. Bennett
DOI：
10.1090/s0002-9947-1950-0051437-7
发表时间：
1950-01-01
影响因子：
1.3
作者：
ARONSZAJN, N
通讯作者：
ARONSZAJN, N
DOI：
--
发表时间：
1995
期刊：
--
影响因子：
--
作者：
V. Vapnik
通讯作者：
V. Vapnik
影响因子：
1.1
作者：
Yunlong Feng
通讯作者：
Yunlong Feng
影响因子：
0.4
作者：
Quan-Wu Xiao;Ding-Xuan Zhou
通讯作者：
Quan-Wu Xiao;Ding-Xuan Zhou