本文介绍了一种基于随机梯度下降法的方法，用于解决图结构稀疏约束问题，并证明该算法具有与批量学习设置中相当竞争的线性收敛率。

May, 2019

本文提出了一种广义块结构非凸优化框架，其中包括应用于多层网络，时间网络，网络网络等相互依赖网络中的结构子图检测。我们设计了一个有效，高效和可并行化的投影算法，即 Graph Block-structured Gradient Projection (GBGP)，用于优化满足图结构约束的一般非线性函数，并证明了我们的算法：1）在网络规模上近线性时间运行；2）具有理论上的近似保证。此外，我们演示了如何将我们的框架应用于两个非常实际的应用，并进行了全面的实验，以展示我们提出的算法的有效性和高效性。

Oct, 2022

本文介绍了一个基于高斯图模型和谱图理论的统一图学习框架，通过对图矩阵的谱约束实现了特定结构的图形式化，提出的算法具有收敛性，计算高效，在合成和真实数据集上的实验表明了其有效性。

Apr, 2019

本文提出了 GOHSP，一个统一的基于图形和优化的结构化剪枝框架，用于基于 ViT 模型的计算机视觉任务的参数压缩，达到了优秀的剪枝效果，例如，在 CIFAR-10 数据集上，使用本文的方法可以将 ViT-Small 模型的参数减少 40％，并不会损失准确性，在 ImageNet 数据集上，使用本文的方法，DeiT-Tiny 和 DeiT-Small 模型可以获得比现有的结构化剪枝方法更高的准确性。

Jan, 2023

通过在组合项集上应用子模函数和高阶潜力，探索用于在结构化输出空间中找到多元解法子集的贪心算法，将贪心增广步骤降低到带有适当构造的高阶潜力的因子图推理中，以实现高效近似最大化。

Nov, 2014

本文探讨了稀疏子空间聚类的图连通性问题，并展示了一种简单的后处理方法，可以在某些 “一般位置” 或 “受限特征值” 假设下提供一致的聚类，同时提供了基于维度大于 3 的子空间的噪声 SSC 的第一个准确的聚类保证。

Apr, 2015

通过研究一种在尖峰维沙特模型下的主成分分析问题，我们揭示了信号中的结构通过一类子空间模型予以捕捉。在统计和计算统一的视角下，我们建立了依赖于问题实例几何结构的基本限制，并展示了一种自然的投影幂法在解的统计可接近最优邻域上表现出的局部收敛性。我们通过分析两个重要特例，即基于路径和树稀疏性的初始方法和匹配证据的计算难度，来补充这些结果。总体而言，我们的结果表明，多个针对普通稀疏主成分分析观察到的现象自然地扩展到其结构化对应物中。

Jul, 2023

每个图都有一个极度稀疏的骨干，图学习算法可以在此骨干上训练，并且能够达到与完整图相当甚至优于其性能，该研究系统地研究了直接影响图学习算法性能的 8 个关键指标，并提出了在任意图中寻找这些骨干的简单高效算法。

Dec, 2023

本文提出了一种通用的优化方法 —— 平滑近端梯度法 (SPG)，可以在结构化的稀疏惩罚下解决任何光滑凸损失的结构化稀疏回归问题。此方法在性能和可伸缩性方面都具有很大优势，并在模拟实验和真实的遗传数据集上进行了验证。

May, 2010

本文针对稀疏受限凸优化问题，将 Hard Thresholding Pursuit 方法从压缩感知推广，证明了该方法在收敛速度和参数估计准确性方面具有类似于 HTP 的强大保证，并在稀疏逻辑回归和稀疏精度矩阵估计任务中的数值实验证明了其优越性。

Nov, 2013