Entiendo que la detección comprimida encuentra la solución más escasa para donde , , y , .
De esta manera podemos reconstruir (el original) usando (la compresión), razonablemente rápido. Decimos que es la solución más escasa. La escasez puede entenderse como la l_0 de los vectores.
También sabemos que el -norm (que se puede resolver mediante programación lineal) es una buena aproximación al -norm (que es NP-hard para vectores grandes). Por lo tanto, es también la solución más para
He leído que la detección comprimida es similar a la regresión con una penalización de lazo ( ). También he visto interpretaciones geométricas de esto, pero no he hecho la conexión matemáticamente.
Además de minimizar la norma , ¿cuál es la relación (matemáticamente) entre la compresión y el lazo?