Jan, 2024

使用凸凹规划训练单层形态感知器

PDF
TL;DR本文介绍了一种利用纪律凸凹规划（DCCP）训练单层形态感知器的算法，K-DDCCP 算法，将 Ritter 和 Urcid 提出的现有单层形态感知器模型与 Charisopoulos 和 Maragos 的加权纪律凸凹规划（WDCCP）算法相结合。该算法通过 DCCP 过程构建了一个非凸优化问题，用于二分类，实验结果证实了 K-DDCCP 算法在解决二分类问题方面的有效性，拓展了单层形态感知器模型的能力，对形态神经网络领域具有一定贡献。
single-layer morphological perceptrondisciplined convex-concave programmingk-ddccp algorithmbinary classificationmorphological neural networks
发现论文，激发创造
  • 约束凸凹规划

    本文提出了一种结合了纪律凸优化编程（DCP）和凸凹编程（CCP）思想的纪律凸凹编程（DCCP）框架，其中包含两个改进，一个是函数域的处理，另一个是边界不可微问题。我们还描述了一个名为 DCCP 的 Python 实现并提供了实例。

    Apr, 2016

  • 离散形态神经网络

    提出了离散形态神经网络（DMNN）用于二值图像分析以表示 W 算子并通过机器学习进行估计的经典方法。

    Sep, 2023

  • 训练无限制的顺序离散形态神经网络的算法

    用离散形态神经网络（DMNN）进行二进制图像转换，表示具有特定特性的 W 算子，并通过机器学习来估计它们，同时提出了一种用于学习无限制顺序 DMNN（USDMNN）的算法。

    Oct, 2023

  • 基于神经检验多面体投影的二进制线性码 PDD 解码器

    本文提出了基于惩罚对偶分解（PDD）框架的 PDD 算法，并将机器学习技术集成到 PDD 解码算法的最耗时部分 —— 检查多面体投影（CPP）中，提出了特别设计的神经 CPP（NCPP）算法来降低解码延迟。仿真结果表明，所提出的算法是有效的

    Jun, 2020

  • 可微凸优化层

    该文章提出了一个通过不同的可微优化层实现端到端分析微分的方法，并重点介绍了如何通过离散凸程序进行不同的分析微分，同时在不同的框架中使用该方法，包括 CVXPY，PyTorch 和 TensorFlow 2.0。

    Oct, 2019

  • 一类结构非线性规划的序贯凸规划方法

    本文研究了一个广泛的结构化非线性规划问题，并提出了顺序凸规划方法，在每次迭代中通过解决一个凸规划问题来解决它们。在一些合适的假设下，我们得出方法生成的序列的任何积累点都是 SNLP 问题的 KKT 点。此外，我们提出了 SCP 方法的变体，其中使用非单调方案和相关函数的 “本地” Lipschitz 常数。我们还建立了类似于上述的收敛性结果。

    Oct, 2012

  • 图匹配问题的路径跟踪算法

    本文提出了一种凸凹规划方法，用于带标签的加权图匹配问题，并且提出的算法在四个数据集上的表现都优于现有算法。

    Jan, 2008

  • 参数凸神经网络

    该研究提出了一种基于指数多层神经网络的凸优化深度神经网络，成功地实现了对凸性的控制，并在图像分类任务中表现出了优于传统方法的性能。

    Jun, 2022

  • 可证收敛的数据驱动凸非凸正则化

    深度学习在逆问题求解中的新兴范式通过从数据中学习正则化器实现高质量结果，但往往无法提供可证明的保证。本文通过凸非凸（CNC）框架展示了良好的可解性和收敛正则化，引入了一种新颖的输入弱凸性神经网络（IWCNN）构建方法，将学得的对抗正则化方法适应于 CNC 框架。通过实证分析表明我们的方法克服了先前对抗方法的数值问题。

    Oct, 2023

  • 现代统计估计问题的组合差分最大程序

    本文研究了统计估计问题，在采样版本中，使用经验风险最小化来估计模型参数，以控制模型的过度拟合和 / 或变量选择。利用差分凸函数来定义三大组件，并提出了一种非单调主题最大化最小化算法和半光滑牛顿法来解决问题。其中，连续分段仿射回归方法的优越性得以体现。

    Mar, 2018