稀疏贝叶斯学习介绍.pdfVIP

下载本文档

128
0
约2.78万字
约 9页
2021-11-11 发布于台湾
举报
版权申诉

稀疏贝叶斯学习介绍.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

稀疏贝叶斯学习张智林引言稀疏贝叶斯学习最初作为一种机器学习算法由于年前后提出随后被引入到稀疏信号恢复压缩感知领域和等人对进行了深入的理论研究与广泛使用的基于惩罚项的算法比如相比以下简称算法具有一系列显著的优势在无噪情况下除非满足一些严格的条件算法的全局最小点并不是真正的最稀疏的解因此在一些应用中当真实的解是最稀疏的解采用是更好的选择当感知矩阵的列与列相关性很强时算法的性能会变得非常差事实上不光是算法绝大多数已知的压缩感知算法比如算法算法在这种情况下性能都会变得很差相比之下算法仍旧具有良好的性能因

稀疏贝叶斯学习 (Sparse Bayesian Learning) 张智林（ Zhilin Zhang） z4zhang@ Department of Electrical and Computer Engineering, University of California, San Diego, La Jolla, CA 92093-040