博客围绕近似点算法展开，给出了proxf(x)的公式，探讨了对于f(x)=∥x∥1的不可微分函数是否需额外喂数据的问题，还提到软阈值函数求解近似点算法不使用梯度下降算法。
近似点算法
p
r
o
x
f
(
x
)
=
arg min
μ
∈
R
n
(
f
(
u
)
+
∥
x
−
μ
∥
2
)
prox_f(x) = \argmin_{\mu \in \mathbb{R}^n} (f(u) + \| x-\mu \|^2)
proxf(x)=μ∈Rnargmin(f(u)+∥x−μ∥2)
Q:需不需要额外喂数据
因为对于
f
(
x
)
=
∥
x
∥
1
f(x) = \|x\|_1
f(x)=∥x∥1的不可微分函数来说，是不需要为数据的
是所有都不需要还是有的需要，有的不需要啊
A:软阈值函数求解近似点算法，不使用梯度下降算法（这是行不通的）
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
