【SBL】稀疏贝叶斯学习模型Sparse Bayesian Learning |
您所在的位置:网站首页 › sbl是什么意思物流 › 【SBL】稀疏贝叶斯学习模型Sparse Bayesian Learning |
理论学习
稀疏贝叶斯学习是由Tipping提出,并作为使用内核的机器学习方法,基于其优秀的分类和回归能力,SBL被广泛应用到很多研究领域。 进一步,不含有内核的SBL也被证明在稀疏信号恢复,稀疏表示和压缩感知方面具有优秀的结果。 在很多情况下,信号恢复可被认为是回归,因为它们的目标是最小泛化误差,因此,我们在做研究的时候,对影响因素X采用不含内核的SBL模型 稀疏信号恢复公式
ϵ
\epsilon
ϵ 表示白噪声 SBL模型的目标 是寻找一个一个包含很多零值的
ω
\omega
ω权重向量,同时结果很准确的逼近目标向量Y 在SBL模型中,高斯似然函数模型可表示为: 借用Wipf的研究 SBL的优势 1.其他贝叶斯学习算法需要满足第一个式子中的 φ \varphi φ矩阵中M远大于N,而SBL在M |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |