实例介绍
【实例简介】核范数正则项的扩展梯度算法及加速梯度算法实现
最小化带有核范数正则项的损失函数,用到的扩展梯度算法和加速梯度算法的matlab实现
本项目以4个回归学习的多任务学习为例,损失函数采用平方损失。
【实例截图】
【核心代码】
.
├── EGA&AGA
│ ├── AGA.m
│ ├── EGA.m
│ ├── Q.m
│ ├── Task1_X.mat
│ ├── Task1_Y.mat
│ ├── Task2_X.mat
│ ├── Task2_Y.mat
│ ├── Task3_X.mat
│ ├── Task3_Y.mat
│ ├── Task4_X.mat
│ ├── Task4_Y.mat
│ ├── X.mat
│ ├── Y.mat
│ ├── fW.m
│ ├── fW_EGA_AGA_1.mat
│ ├── fW_EGA_AGA_2.mat
│ ├── fW_EGA_AGA_3.mat
│ ├── grad_fW.m
│ ├── main.m
│ ├── p.m
│ ├── pick_lambda.m
│ ├── subGDA.m
│ ├── t_AGA.mat
│ ├── t_EGA.mat
│ ├── t_subGDA.mat
│ ├── time_test.m
│ ├── 收敛图.fig
│ └── 收敛结果图.png
└── 核范数正则项的扩展梯度算法及加速梯度算法实现.rar
1 directory, 29 files
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论