双层PSO-神经动力学求解分布式SCAD稀疏最小二乘
热点事件持续更新
双层PSO-神经动力学求解分布式SCAD稀疏最小二乘
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Juntao Li、Qihang Guo、Deyuan Meng 提出一种双层粒子群优化(PSO)-神经动力学方法,用于求解以 SCAD 惩罚正则化的分布式稀疏最小二乘问题,并称可达到全局最优。 该研究针对的是 SCAD 惩罚非光滑、非凸,现有分布式神经动力学方法难以直接扩展的问题。论文将方法定位为对这一类问题的求解方案,全局最优性为作者在论文中的表述。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
面向分布式 SCAD 正则化稀疏最小二乘的双层神经动力学方法报道时间线
沿着报道,了解事件的不同侧面。
11月6日
- arXiv cs.MA面向分布式 SCAD 正则化稀疏最小二乘的双层神经动力学方法
针对 SCAD 惩罚非光滑非凸、现有分布式神经动力学方法难以直接扩展的问题,研究者提出一种双层 PSO-神经动力学方法,可全局最优求解分布式 SCAD 正则化稀疏最小二乘。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。