Jan, 2013
复合最小化问题的近端牛顿框架:无需 Cholesky 分解和矩阵求逆的图学习
A proximal Newton framework for composite minimization: Graph learning without Cholesky decompositions and matrix inversions
Quoc Tran Dinh, Anastasios Kyrillidis, Volkan Cevher
TL;DR提出了一种基于新的近端牛顿算法的凸优化方法,应用于图学习问题中的稀疏逆协方差矩阵估计,避免了矩阵求逆,适合并行实现。