×

Fenchel对偶和Hadamard流形上的一个分离定理。 (英语) Zbl 07534676号

小结:本文基于切丛在Hadamard流形上引入了Fenchel共轭和Fenchel双共轭的定义。我们的定义克服了共轭依赖于流形上某一点的选择这一不便,正如前面的定义所要求的那样。另一方面,这个新定义仍然具有欧几里德情形中已知的性质。它甚至在欧几里德情况下对芬切尔共轭进行了更广泛的解释。最突出的是,我们对Fenchel共轭的定义为测地凸、真、下半连续函数提供了一个Fenchel-Moreau定理。此外,该框架允许我们发展Hadamard流形上凸集的分离理论,并获得了严格的分离定理。

理学硕士:

90C25型 凸面编程
26对25 多变量实函数的凸性,推广
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] P.-A.Absil、R.Mahony和R.Sepulchre,矩阵流形上的优化算法,普林斯顿大学出版社,新泽西州普林斯顿,2008年,https://doi.org/10.1515/9781400830244。 ·Zbl 1147.65043号
[2] B.Ahmadi Kakavandi和M.Amini,完备度量空间上凸函数的对偶性和次微分,非线性分析。理论方法应用。,73(2010年),第3450-3455页,https://doi.org/10.1016/j.na.2010.07.033。 ·Zbl 1200.53045号
[3] Z.Allen Zhu、A.Garg、Y.Li、R.Oliveira和A.Wigderson,通过测地凸优化、不变量理论和多项式恒等式测试的算子缩放,发表在2018年第50届ACM SIGACT计算理论年度研讨会论文集上,第172-181页·Zbl 1427.90213号
[4] H.H.Bauschke和P.L.Combettes,Hilbert空间中的凸分析和单调算子理论,CMS数学图书/Ouvrages de Matheímatiques de la SMC,Springer,纽约,2011,https://doi.org/10.1007/978-1-4419-9467-7。 ·Zbl 1218.47001号
[5] M.Bačaök,Hadamard空间中的凸分析与优化,非线性分析与应用中的De Gruyter级数22,De Gruetter,柏林,2014,https://doi.org/10.1515/9783110361629。 ·Zbl 1299.90001号
[6] M.Bačaík,R.Bergmann,G.Steidl,and a.Weinmann,用于恢复流形值图像的二阶非光滑变分模型,SIAM J.Sci。计算。,38(2016),第A567-A597页,https://doi.org/10.1137/15M101988X。 ·Zbl 1382.94007号
[7] R.Bergmann、R.H.Chan、R.Hielscher、J.Persch和G.Steidl,通过半二次最小化恢复流形值图像,逆问题。成像,10(2016),第281-304页,https://doi.org/10.3934/ipi.2016001。 ·Zbl 1348.65097号
[8] R.Bergmann、J.H.Fitschen、J.Persch和G.Steidl,流形值图像处理的耦合一阶和二阶差分Priors,J.Math。成像视觉。,60(2018),第1459-1481页,https://doi.org/10.1007/s10851-018-0840-y。 ·Zbl 1436.49040号
[9] R.Bergmann和P.-Y.Gousenburger,通过最小化Bezier曲线加速度在流形上进行数据拟合的变分模型,Front。申请。数学。统计数字,4(2018年),https://doi.org/10.3389/fams.2018.0059。
[10] R.Bergmann、R.Herzog、M.Silva-Louzeiro、D.Tenbrick和J.Vidal Nún͂ez,芬切尔对偶理论和黎曼流形上的原对偶算法,Found。计算。数学。,(2021), https://doi.org/10.1007/s10208-020-09486-5。 ·Zbl 07458819号
[11] R.Bergmann、J.Persch和G.Steidl,用于最小化具有对称Hadamard流形值的图像上ROF-like泛函的并行Douglas Rachford算法,SIAM J.Imaging Sci。,9(2016),第901-937页,https://doi.org/10.1137/15M1052858。 ·Zbl 1346.65006号
[12] D.P.Bertsekas,局部凸共轭与Fenchel对偶,IFAC Proc。第11卷(1978年),第1079-1084页,https://doi.org/10.1016/s1474-6670(17)66057-9. ·Zbl 0457.49011号
[13] R.I.Boţ,凸优化中的共轭对偶,经济学和数学系统637讲义,Springer-Verlag,柏林,2010年,https://doi.org/10.1007/978-3642-04900-2。 ·兹比尔1190.90002
[14] N.Boumal,《光滑流形优化导论》,剑桥大学出版社,英国剑桥,2020年·Zbl 1468.65072号
[15] S.Boyd和L.Vandenberghe,《凸优化》,剑桥大学出版社,英国剑桥,2004年,https://doi.org/10.1017/CBO9780511804441。 ·Zbl 1058.90049号
[16] H.Brezis,泛函分析,Sobolev空间和偏微分方程,Universitext,Springer,纽约,2011,https://doi.org/10.1007/978-0-387-70914-7。 ·Zbl 1220.46002号
[17] A.Chambolle和T.Pock,凸问题的一阶原对偶算法及其在成像中的应用,J.Math。成像视觉。,40(2011年),第120-145页,https://doi.org/10.1007/s10851-010-0251-1。 ·Zbl 1255.68217号
[18] M.P.a.do Carmo,黎曼几何,《数学:理论与应用》,伯卡用户,马萨诸塞州波士顿,1992年·Zbl 0752.53001号
[19] I.Ekeland和R.Temam,凸分析和变分问题,应用数学经典28,SIAM,费城,1999,https://doi.org/10.1137/1.9781611971088。 ·Zbl 0939.49002号
[20] O.P.Ferreira、M.S.Louzeiro和L.F.Prudente,黎曼流形优化的一阶方法,《非线性几何数据的变分方法手册》,Springer国际出版社,纽约,2020年,第499-525页,https://doi.org/10.1007/978-3-030-31351-7_18。 ·Zbl 1512.90165号
[21] O.P.Ferreira和P.R.Oliveira,黎曼流形上的次梯度算法,J.Optim。理论应用。,97(1998),第93-104页,https://doi.org/10.1023/A:1022675100677。 ·Zbl 0907.90244号
[22] O.P.Ferreira和P.R.Oliveira,黎曼流形上的邻近点算法,《优化》,51(2002),第257-270页,https://doi.org/10.1080/0323319300290019413。 ·Zbl 1013.49024号
[23] P.T.Fletcher和S.Joshi,扩散张量数据统计分析的黎曼几何,信号处理。,87(2007),第250-262页,https://doi.org/10.1016/j.sigpro.2005.12.018。 ·Zbl 1186.94126号
[24] N.Goyal和A.Shetty,非负曲率黎曼流形中凸集的抽样与优化,预印本,arXiv:1907.105312019,https://arxiv.org/abs/1907.10531。
[25] N.J.Higham,矩阵函数,SIAM,费城,2008,https://doi.org/10.1137/1.9780898717778。 ·Zbl 1167.15001号
[26] R.Hosseini和S.Sra,高斯混合矩阵流形优化,《神经信息处理系统进展》,C.Cortes、N.Lawrence、D.Lee、M.Sugiyama和R.Garnett编辑,第28卷,Curran Associates,Red Hook,NY,2015年·Zbl 1316.65065号
[27] J.Jost,《黎曼几何与几何分析》,第7版,Universitext,Springer,Cham,2017年,https://doi.org/10.1007/978-3-319-61860-9。 ·Zbl 1380.53001号
[28] M.Journeíe,F.Bach,P.-A.Absil,R.Sepulchre,正半定矩阵锥上的Low-rank优化,SIAM J.Optim。,20(2010),第2327-2351页,https://doi.org/10.1137/080731359。 ·Zbl 1215.65108号
[29] S.Lang,《微分几何基础》,Springer,纽约,1999年,https://doi.org/10.1007/978-1-4612-0541-8。 ·Zbl 0932.53001号
[30] J.M.Lee,《光滑流形导论》,《数学研究生课本218》,斯普林格-弗拉格出版社,纽约,2003年,https://doi.org/10.1007/978-0-387-21752-9。
[31] J.M.Lee,《黎曼流形简介》,施普林格国际出版社,纽约,2018年,https://doi.org/10.1007/978-3-319-91755-9。 ·Zbl 1409.53001号
[32] J.Lellmann、E.Strekalovskiy、S.Koetter和D.Cremers,流形中带值函数的全变差正则化,《2013年IEEE计算机视觉国际会议论文集》,2013年,第2944-2951页,https://doi.org/10.109/ICCV.2013.366。
[33] T.Pock、D.Cremers、H.Bischof和A.Chambolle,最小化Mumford-Shah泛函的算法,载于2009年IEEE第12届国际计算机视觉会议论文集,IEEE,2009年,第1133-1140页,https://doi.org/10.1109/iccv.2009.5459348。
[34] L.Pronzato和A.Paízman,《非线性模型实验设计》,《统计学212讲义》,施普林格,纽约,2013年,https://doi.org/10.1007/978-1-4614-6363-4。 ·Zbl 1275.62026号
[35] T.Rapcsaík,({R}^n)中的平滑非线性优化,Springer,纽约,1997,https://doi.org/10.1007/978-1-4615-6357-0。 ·Zbl 1009.90109号
[36] R.T.Rockafellar,《凸分析》,普林斯顿数学系列28,普林斯顿大学出版社,新泽西州普林斯顿,1970年·Zbl 0193.18401号
[37] R.T.Rockafellar,共轭二重性和最优化,数学科学会议委员会应用数学区域会议系列16,工业和应用数学学会,费城,1974年,https://doi.org/10.1137/1.9781611970524。 ·Zbl 0296.90036号
[38] T.Sakai,《黎曼几何》,数学专著翻译149,美国数学学会,罗得岛普罗维登斯,1996,https://doi.org/10.1090/mmono/149。 ·Zbl 0886.5302号
[39] M.J.Todd,最小体积椭球体,MOS-SIAM优化系列23,SIAM,费城,费城,https://doi.org/10.1137/1.9781611974386.ch1。 ·Zbl 1360.90006号
[40] C.Udrişte,黎曼流形上的凸函数和优化方法,数学及其应用297,Kluwer学术出版社,Dordrecht,1994,https://doi.org/10.1007/978-94-015-8390-9。 ·Zbl 0932.53003号
[41] T.Valkonen,非线性算子的原对偶混合梯度法及其在MRI中的应用,逆问题,30(2014),055012,https://doi.org/10.1088/0266-5611/30/5/055012。 ·Zbl 1310.47081号
[42] B.Vandereycken,通过黎曼优化完成低秩矩阵,SIAM J.Optim。,23(2013),第1214-1236页,https://doi.org/10.1137/10845768。 ·兹比尔1277.15021
[43] A.Weinmann、L.Demaret和M.Storath,流形值数据的总变差正则化,SIAM J.成像科学。,7(2014),第2226-2257页,https://doi.org/10.1137/10951075。 ·Zbl 1309.65071号
[44] A.Wiesel,测地凸度和协方差估计,IEEE Trans。信号处理。,60(2012),第6182-6189页,https://doi.org/10.109/tsp.2012.2218241。 ·Zbl 1393.94489号
[45] C.Zălinescu,一般向量空间中的凸分析,世界科学出版社,新泽西州River Edge,2002,https://doi.org/10.1142/9789812777096。 ·Zbl 1023.46003号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。