关键词forward-backward splitting
搜索结果 - 5
- 前后型方法的活动识别和局部线性收敛
本文提出一种 FB 类算法优化问题的统一框架，该算法能够在有限个迭代中正确识别活动流形，并进入局部线性收敛状态，在多个领域如信号 / 图像处理、机器学习中具有广泛应用。
- 前向 - 后向分裂的字段指南与 FASTA 实现
本文是前向后向分割与实现实现方面的综述。该方法在机器学习、信号和图像处理、通信等领域中发挥着重要作用，并且该方法高度敏感于实现细节。
- 变尺度前向 - 后向分裂算法及其在对偶中单调包含问题中的应用
我们提出了一种可变度量前向后向分裂算法，并在实数希尔伯特空间中证明了其收敛性。然后，我们使用这个框架导出原始 - 对偶分裂算法，以解决包含在对偶中的各种类的单调性问题。讨论了各种应用。
- 广义前向 - 后向分离
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 - 信号恢复问题的对偶化
本文通过对一类复合变分问题运用凸优化中的对偶理论，提出了一种前向 - 后向分裂算法，并将其应用于信号恢复问题中，取得了较好的效果。该算法同时产生了一系列逐渐收敛的对偶解和原始解。它扩展了现有的基于对偶理论的信号恢复方法，并适用于问题范围的扩