亚伦·伯克;计划，亚诺夫;厄兹古尔·伊尔马兹 （\ell_1）最小化对参数选择的敏感性。 （英语） Zbl 1475.94030号 Inf.推断 10，第2期，397-453（2021年）. 摘要：使用广义拉索是恢复结构化高维信号的常用技术。广义拉索有三种常见的公式；每个程序都有一个控制参数，其最佳值取决于数据的属性。在这个最佳值下，压缩感知理论解释了为什么拉索程序用最小最大阶优化误差恢复结构化高维信号。不幸的是，在实践中，最佳选择通常是未知的，必须进行估计。因此，我们研究了三个Lasso程序中每个程序相对于其控制参数的稳定性。我们的目标是帮助医生回答以下问题：给定真实数据，应该使用哪个Lasso程序？我们通过分析测量矩阵是恒等式（所谓的近端去噪设置）的情况，并使用（ell_1）正则化来回答这个问题。对于每个Lasso程序，我们指定了该程序相对于其控制参数而言不稳定的设置。我们通过详细的数值模拟来支持我们的分析。例如，在某些设置中，0.1%的拉索参数低估会显著增加误差，50%的低估会导致误差增加一倍。 引用于2文件 MSC公司： 94甲12 信号理论（表征、重建、滤波等） 62H10型 统计的多元分布 90C26型 非凸规划，全局优化 62J07型 山脊回归；收缩估计器（拉索） 关键词：参数不稳定性;稀疏近端去噪;套索;压缩感知;凸优化 PDF格式BibTeX公司 XML格式引用 \textit{A.Berk}等人，Inf.Inference 10，No.2，397--453（2021；Zbl 1475.94030） 全文： 内政部 arXiv公司