前向 - 后向分裂的字段指南与 FASTA 实现
本文引入了广义前向 - 后向分裂算法，用于最小化具有 Lipschitz 连续梯度和简单 Moreau 近似算符的凸函数 F + ∑i=1n Gi，其可以有效地解决一类重要的凸问题。我们证明了该方法的收敛性，以及对求解近似算符和梯度时的稳健性，并在成像的逆问题方面展示了该方法相对于其他分裂算法的优点。
Aug, 2011
提出一种基于 Bregman 距离的前向 - 后向分裂算法，用于一般反射 Banach 空间中的复合极小化问题，使用变量拟 - Bregman 单调序列的概念建立收敛性。讨论了各种例子，包括其中一些在欧几里得空间中，并得到了新算法。
May, 2015
本文针对单调算子和无限维 Banach 空间中求解两个算子和的问题，提出了一种基于 Bregman 距离的前后分裂算法，并通过单值算子的新假设，建立了该算法的收敛性，对于最小化问题，本文得到了比现有方法更为精确的结果。
Aug, 2019
本文介绍了一类名为 FedSplit 的基于操作分裂的算法，用于解决具有加性结构的分布式凸最小化，该算法在联邦学习、分布式优化等领域有较好的应用前景。
May, 2020
本文研究了如何使用两个前向步骤来替换由反向步骤计算的重要子问题，以解决使用最大单调算子求和找寻零点的问题。研究结果表明，使用前向步骤的算法性能可以得到提高，并在大规模罕见特征选择问题上进行了实验研究。
Mar, 2018
本文提出一种基于 ADMM 的快速图像恢复算法，该算法支持基于小波或总变差正则化的形式，并已在一系列图像恢复基准问题上证明其优于现有最先进方法。
Oct, 2009
本文介绍了一种前向 - 后向投影算法，用来最小化由两个凸函数的和组成的式子，其中一个具有 Lipschitz 连续梯度，另一个相对于主动流形部分平滑，同时给出算法迭代过程中的两个结果。结果表明该算法在包括 Lasso、group Lasso、fused Lasso 和核范数正则化等多个问题中都具有较广泛的应用价值。
Jul, 2014
本研究探讨前向传递算法在高光谱图像分类中的应用，实验结果和比较分析表明该方法具有较大的潜力和优势，相较于传统反向传播算法可更好地克服初值敏感、梯度消失、过拟合和计算复杂度等问题。
Jul, 2023
该研究比较了反向传播算法、前向 - 前向算法和提出的一个整合算法，并在 MNIST 数据库上进行了分类任务的测试，结果表明，使用提出的整合算法可以生成具有强健性等优势特征的神经网络。
May, 2023