摘 要:针对经典全变差正则化模型在去噪时图像边缘易模糊的不足， 在全变差正则化模型与调和去噪模型的基础上构建了一种改进的自适应全变差正则化模型， 并利用旋转不变性更好的梯度模值确定其自适应参数， 降低该自适应正则化模型对噪声的敏感性，以兼顾图像的平滑去噪与边缘保留 数值实验结果表明， 与MARQUINA 的改进全变差正则化模型相比， 自适应全变差正则化模型的复原图像在视觉效果和峰值信噪比上都有显著提高

二手车价格预测 探索具有随机森林和正则化的二手车价格预测模型。 我使用R进行数据可视化，数据插补和模型选择。 涉及的主要软件包是Hmisc，ggplot2，randomForest和glmnet。 我们正在寻求使用随机Forst和正则化技术的特征选择和预测算法。 方法是随机森林，山脊，套索和弹性网回归。 事实证明，弹性模型可以大幅度减少维数，并保持良好的预测能力。

GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包） GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包） GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包） GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包）

为改善电阻抗成像逆问题的不适定性，通常采用Tikhonov正则化算法来求得适当的解。正则化参数对重建图像的质量和计算速度影响较大。笔者提出了一种基于残差范数和解范数乘积的优化方法(PRS)求取电阻抗成像的正则化参数。为验证该方法的有效性，笔者针对不同的目标大小、目标位置、目标电导率、目标数目以及不同程度的噪声分别进行了重建图像的仿真实验和水槽实验。结果表明：这种优化方法可以快速找到相对最优的正则化参数，且具有良好的抗噪性能。与传统的L曲线方法相比，提高了图像重建质量。

流形正则化matlab代码LapEMR-1.0 林晨，2012年6月 介绍 LapEMR是用于半监督学习的软件包。 该软件包包括算法LapESVR的MATLAB接口。 用法 该软件包是使用MATLAB和C ++开发的。 QP求解器改编自LIBSVM，后者由C ++通过Matlab接口实现，而其他部分则由Matlab实现。 要运行测试代码，请在Matlab提示符下执行“演示” >> demo 错误报告 此程序包由Lin Chen（）开发。 如有任何有关代码的问题，请随时与Lin Chen联系。 参考 Lin Chen，Ivor Wai-Hang Tsang，Dong Xu：可扩展流形正则化的拉普拉斯嵌入式回归。 IEEE Transactions on Neural Networks and Learning Systems（TNNLS）23（6）：902-915，2012年6月

Btv双边全变分正则化重建方法及重建方法其发展......

L1范数正则化最小二乘计算min||y-Ax||^2+lambd||x||问题最优解

吉洪诺夫正则化的matlab函数，可以自己选择参数值，调用即可

在本文中，我们提出了一个动态调度来调整正则化强度，以适应各种网络架构和训练过程。我们的动态正则化是根据训练损失的变化自适应的。对于轻网络架构，它产生低正则化强度，而对于重网络架构，产生高正则化强度。此外，强度是自定步长增长的，以避免过拟合。实验结果表明，所提出的动态正则化方法优于现有的ShakeDrop、Shake-Shake和DropBlock正则化方法。未来，我们将研究动态正则化在数据增强和基于退出的方法中的潜力。

文章算法来自王彦飞的论文《数值求解迭代Tikhonov正则化方法的一点注记》