基于KKT条件的平滑递归神经网络用于压缩传感中的非光滑非凸优化

【文件属性】：
文件名称：基于KKT条件的平滑递归神经网络用于压缩传感中的非光滑非凸优化
文件大小：940KB
文件格式：PDF
更新时间：2021-03-15 05:03:20
研究论文 这项工作以平滑近似技术和Karush–.Kuhn–Tucker条件的等效形式探讨了平滑递归神经网络（SRNN）。 在用非凸非光滑近似模型代替模型后，开发了这样的网络来处理源自压缩感测的L0范数最小化模型。 通过一些数学工具很好地研究了网络解的存在性，唯一性和极限行为。研究了多种非凸逼近函数，以确定哪种最适合。不同类型的感测矩阵下稀疏信号恢复的问题比较实验证明，在所选的逼近函数中，变换后的L1函数（TL1），对数函数（Log）和反正切惩罚函数对稀疏恢复有效。 SRNN-TL1鲁棒且对传感矩阵的相干性不敏感，而与几种现有的离散数值算法和神经网络方法相比，它具有竞争力，可解决压缩传感问题。