OSCAR 정규화 문제를 근접 분할 알고리즘으로 효율적으로 해결
본 논문은 OSCAR(Octagonal Selection and Clustering Algorithm for Regression) 정규화를 가중 정렬 L1 노름으로 재구성하고, 정확한 그룹화 근접 연산자(GPO)와 빠른 근사 연산자(APO)를 제안한다. 이를 통해 FISTA, TwIST, SpaRSA, SBM, ADMM, P‑ADMM 등 최신 근접 분할 알고리즘을 OSCAR 정규화 문제에 적용할 수 있게 하며, APO 기반 구현이 GPO 대비 …
저자: Xiangrong Zeng, Mario A. T. Figueiredo
**1. 서론 및 연구 배경**
선형 역문제는 y = Ax + n 형태로 표현되며, A가 가역이 아닌 경우 정규화가 필수적이다. 전통적인 L₁ 정규화(LASSO)는 희소성을 촉진하지만 변수 간 구조적 관계를 반영하지 못한다. 최근에는 그룹 스파스성, 블록 스파스성 등 구조적 희소성을 고려한 정규화가 활발히 연구되고 있다. 그 중 OSCAR은 L₁ 항과 모든 변수 쌍에 대한 L∞ 항을 결합해, 사전 그룹 정의 없이도 변수들을 절대값 기준으로 자동 군집화한다. 그러나 OSCAR의 핵심인 ‑L∞ 항은 비분리적이며, 직접적인 근접 연산자를 구하기 어려워 기존에는 이차계획법이나 복잡한 제한조건 최대우도 문제를 사용해 해결했다. 이는 계산량이 크고 메모리 요구가 높아 실용성이 떨어졌다.
**2. OSCAR 정규화와 가중 정렬 L₁ 노름으로의 변환**
OSCAR 정규화는
r_OSCAR(x) = λ₁‖x‖₁ + λ₂ Σ_{i
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기