E = 0.019625 0.019624 >>
>> sum(abs((Y - X*E)(:))) ans = 3.8969e-05 >>
## Solves the Sequentially thresholded least squares ## Tom.Of.Finland - The Über homo function E = STLS_REGRESSION(X,Y,lambda,N) tic E = pinv(X)*Y; % Moore Penrose inverse - Initial guess for k=1:100 % State-dependent lambda is sparsifying knob for i = 1:N % N = state dimension I_small = (abs(E(:,i)) < lambda(i)); % Find small coefficients Xi(I_small,i) = 0; % Threshold I_big = ~I_small; % 0 to 1 E(I_big,i) = pinv(X(:,I_big))*Y(:,i); % Find sparse E end end toc >> STLS_REGRESSION(X, Y, 0.001, 1) Elapsed time is 0.037437 seconds. ans = 0.019625 0.019624 >>
Flashback finansieras genom donationer från våra medlemmar och besökare. Det är med hjälp av dig vi kan fortsätta erbjuda en fri samhällsdebatt. Tack för ditt stöd!
Swish: 123 536 99 96 Bankgiro: 211-4106
Flashback finansieras genom donationer från våra medlemmar och besökare. Det är med hjälp av dig vi kan fortsätta erbjuda en fri samhällsdebatt. Tack för ditt stöd!
Swish: 123 536 99 96 Bankgiro: 211-4106