Sparse coding推导及Python编码

前些天被Boss批评，后来好好想了一下，觉得很有道理，很多看似基本的东西，还是得自己推一遍啊，mark一下，以后要注意，切勿眼高手低。

1. 采用Block Coordinate Decent方法求解Sparse Coding

Sparse coding在吴恩达老师UFLDL上面有详细的讲解，后来在CVPR2012，百度于凯老师的报告sparse coding加深了很多理解。这里引用姜文晖的一段关于稀疏的说明。

3、Sparse activations vs. sparse models   现在可以用a=f(x)表示稀疏编码的问题了。它可以分解成两种情况：   1）sparse model：f(x)的参数是稀疏的         --例如：LASSO f(x)=（w,x），其中w要求是稀疏的。（jiang1st2010注：这个例子中f(x)也是线性的！）         --这是一个特征选择的问题：所有的x都挑选相同的特征子集。         --hot topic.   2）sparse activation：f(x)的输出是稀疏的         --就是说a是稀疏的。         --这是特征学习的问题：不同的x会激活不懂的特征子集。

迭代求解字典D


迭代求解表示h

引用：
1. 理解sparse coding
未完待续。。。