稀疏解大幅降参
面向多维数据设计的网格谱混合乘积核，在保持逼近能力的同时产生稀疏解，显著减少超参数数量并支持多智能体协同学习。
Suwandi, Richard Cornelius · Lin, Zhidi · 尹峰 · 王治国 · Theodoridis, Sergios
IEEE Transactions on Neural Networks and Learning Systems 2025
GSMP核针对多维数据设计，在保持良好逼近能力的同时显著减少超参数数量。
该核的超参数优化会产生稀疏解，可利用稀疏性进一步降低模型复杂度。
SLIM-KL框架采用量化ADMM和分布式连续凸逼近，支持多智能体协作解决大规模超参数优化。