一种能够实现双层稀疏性的Group Logarithm模型
崔立鹏
郭红霞
沈洁
天津轻工职业技术学院 电子信息与自动化学院,天津 300350
摘要：稀疏化模型研究是人工智能领域研究的热点之一.对于该问题Lasso模型忽略了变量之间的组结构,只能实现分散的变量选择;Group Lasso也只能实现变量组选择.本研究提出Group Logarithm模型,该模型能同时进行变量组选择和组内的变量选择,并利用局部坐标下降算法求解Group Logarithm模型.最后,通过实验说明了该模型具有更优越的预测准确性和变量选择稀疏性.
关键词：人工智能稀疏性变量选择变量组选择
分类号：TP181(自动化基础理论)
资助基金：教育部职业教育专业教学资源库项目(2018-12)
论文发表日期：2021-06-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 40-45 )
英文信息