OMP-Net

新方法使贪婪稀疏恢复算法能够用于神经网络训练

研究人员开发了新方法，使贪婪稀疏恢复算法能够与神经网络训练兼容。这些算法，如正交匹配追踪（OMP）和迭代硬阈值（IHT），通常依赖于不可微分算子，这阻碍了它们与深度学习架构的集成。提出的解决方案涉及创建基于置换的变体，特别是Soft-OMP和Soft-IHT，它们使用不可微分组件的连续松弛。这些可微分的对应体使得能够创建完全可训练的神经网络架构，例如OMP-Net和IHT-Net，它们能够以可控的精度近似原始算法并从数据中提取潜在的稀疏模式。