机器学习优化的正交基分段多项式逼近
原文中文，约200字，阅读约需1分钟。发表于：。利用分段多项式来近似 1D 轨迹规划中电子凸轮设计的函数，结合现代机器学习优化器，特别是梯度下降方法，利用正交多项式基函数以及创新的正则化方法，在模型参数优化和连续性优化方面取得了明显提升的收敛性能。
本文研究了从少量样本中重构稀疏多元三角多项式的问题，通过基 Pursuit 和 Orthogonal Matching Pursuit (OMP) 等贪心算法，提出了阈值化和 OMP 重构成功概率的理论结果。数值实验表明，基 Pursuit 比贪心算法慢得多，但恢复速率相似。
