선형 역문제용 희소성 촉진 정규화 학습

초록

**
본 논문은 선형 역문제에서 ℓ₁ 정규화를 이용한 희소성 촉진 정규화자를 데이터 기반으로 학습하는 새로운 이중최적화(framework)를 제안한다. 합성 연산자 B를 최적화 변수로 두고, B가 정의하는 사전 지식을 통해 해의 희소성을 강화한다. 이론적으로 문제의 존재·유일성, 연산자 B의 연속 의존성, 그리고 표본 복잡도에 대한 경계들을 증명하고, 무한 차원 사례와 파동렛 기반 실험을 통해 실효성을 확인한다.

**

상세 분석

**
논문은 먼저 선형 역문제 (y=Ax+\varepsilon) 에 대해, 합성 연산자 (B\in\mathcal L(\ell^2,X)) 를 도입하고, 내부 최적화 문제를
\