Seleção de Parâmetros de Regularização por Minimização de Distâncias Esperadas de Bregman
Open Access
- 18 December 2023
- conference paper
- Published by Brazilian Society for Computational and Applied Mathematics (SBMAC) in Proceeding Series of the Brazilian Society of Computational and Applied Mathematics
- Vol. 10 (1) , 2-7
Abstract
Técnicas de regularização são ferramentas importantes para a solução numérica de problemas mal-postos (no sentido de Hadamard). O presente trabalho apresenta um método para a seleção do parâmetro de regularização através da minimização de um estimador não tendencioso para o erro preditivo do regularizador. A técnica proposta generaliza métodos existentes através da possibilidade da utilização de preditores mais gerais baseados em divergências de Bregman. O método é aplicável a uma ampla gama de técnicas de regularização lineares ou não-lineares e a diversos modelos estocásticos para o ruído.Keywords
This publication has 15 references indexed in Scilit:
- An Unbiased Risk Estimator for Image Denoising in the Presence of Mixed Poisson–Gaussian NoiseIEEE Transactions on Image Processing, 2014
- Image Denoising in Mixed Poisson–Gaussian NoiseIEEE Transactions on Image Processing, 2010
- Bregman Divergence-Based Regularization for Transfer Subspace LearningIEEE Transactions on Knowledge and Data Engineering, 2009
- Generalized SURE for Exponential Families: Applications to RegularizationIEEE Transactions on Signal Processing, 2008
- Monte-Carlo Sure: A Black-Box Optimization of Regularization Parameters for General Denoising AlgorithmsIEEE Transactions on Image Processing, 2008
- Stein's Lemma for elliptical random vectorsJournal of Multivariate Analysis, 2008
- Stein estimation for infinitely divisible lawsESAIM: Probability and Statistics, 2006
- Handbook of Image and Video Processing2005
- Relative Loss Bounds for On-Line Density Estimation with the Exponential Family of DistributionsMachine Learning, 2001
- Distortion measures for speech processingIEEE Transactions on Acoustics, Speech, and Signal Processing, 1980