关键词alternating direction method
搜索结果 - 9
- MM深度学习辅助下基于 ADMM 的二元线性码解码器
本研究提出了一种基于深度神经网络的解码算法，通过深度展开设计解码网络，其中采用交替方向乘子法罚函数，提出两种改进的网络结构，数值结果表明，其解码性能在各种低密度奇偶校验码下超越原始的交替方向乘子法罚函数解码器，且具有相似的计算复杂度。
- CVPR交替方向图匹配
本文提出了一种基于约束的图匹配方法，能够处理任意阶数、任意势函数的约束，在先前依赖于图结构的分解方法的基础上，通过约束匹配的分解，将图匹配重构为非凸非可分的优化问题，通过交替方向乘子法将其分解为多个较小、易于解决的子问题，从而设计了一个模块 - 稀疏因子模型下的噪声矩阵补全
本文针对具有噪声的矩阵完成任务进行了研究，特别关注于估计由两个未知矩阵的乘积组成的矩阵，其中一个是稀疏矩阵的情况，提出了基于稀疏因子模型的正则化最大似然估计的误差界和算法方法。
- 从单幅图像中强健地估计 3D 人体姿态
提出了一种在现有 2D 姿态检测器的基础上，从单张图像中估计 3D 人体姿态的方法，通过线性组合稀疏基，实施限制并优化，得出该方法在三个基准数据集上的表现优于现有技术。
- AAAILASS: 一个使用拉普拉斯平滑的简单分配模型
本文提出了一种基于相似度矩阵的软分配学习模型，使用二次规划方法求解，兼具半监督学习的特点，通过交替方向乘法算法得到训练算法。该模型适用于物品自然归属于多个类别或类别之间有复杂交互的情况，例如关键词或标签的注释。
- ICML用于最大后验估计的可扩展半定松弛方法
本文介绍了一种基于新的半定松弛形式 (SDR) 的最大后验推理方法，用于在大规模马尔科夫随机场上求解 MAP 问题，并采用 SDPAD-LR 交替方向乘法加速算法，取得了显著的可扩展性和计算效率。
- 用于机器学习中可分凸程序的线性交替方向方法及并行分裂和自适应罚函数
本研究提出了 LADMPSAP 算法，它是一种高效解决多个块的可分离凸问题的算法，可以被广泛应用于机器学习和其他领域，并且在数值实验中证明了其速度和数值准确性的优势。
- 在线交替方向法（长版本）
本文介绍了一种基于交替方向方法的高效在线优化算法，该算法可在具有线性约束的情况下解决在线凸优化问题，并探讨了两种在线情景，基于目标函数和是否需要附加 Bregman 距离，同时建立了综合和强凸函数方面的后悔界，并证明了在线处理的收敛性。此外 - NIPS自适应惩罚的线性交替方向法用于低秩表示
本文提出了一种基于线性交替方向乘子法 (linearized ADM) 与自适应惩罚控制的低秩表示 (LRR) 方法，避免了引入辅助变量与矩阵求逆所带来的计算量，采用了紧 SVD 技术进一步降低了计算复杂度，证明了此方法在大规模数据应用时比