SPGL1

SPGL1:大规模稀疏重建的解决方案:探索帕累托边界的基础追踪解决方案。基追踪问题寻求一个欠确定最小二乘问题的最小一范数解。基追踪DeNoise(BPDN)仅近似地拟合最小二乘问题,并且单个参数确定跟踪最小二乘拟合和该解的一个范数之间的最佳折衷的曲线。我们证明了该曲线在所有感兴趣点上是凸的和连续可微的,并且表明它给出了与BPDN密切相关的两个其他优化问题的明确关系。我们描述了求该曲线上任意点的求根算法,该算法适用于大范围和复杂域的问题。在每次迭代中,谱梯度投影方法近似地将具有明确的一个范数约束的最小二乘问题最小化。只需要矩阵向量运算。这个问题的原对偶解给出了求根方法所需的函数和导数信息。对一组综合测试问题的数值实验表明,该方法很好地解决了大规模问题。


ZBMaX中的参考文献(150篇)2篇标准文章

显示结果1至20的150。
按年份排序(引文
  1. 江,山;Fang,Shu Cherng;聂,Tiantian;邢,文勋:一种基于梯度下降的算法((ELSUP)最小化)(2020)
  2. Le Ga,Quoc Thong;Sloan,Ian H.;伍默斯利,Robert S.;王,于光:球面上随机场球谐表示的各向同性稀疏正则化(2020)
  3. Shehu,耶基尼;IyoLa,Olaniyi S.;OgBuiSi,Ferdinard U.:非扩张映射的惯性项迭代法:压缩传感应用(2020)
  4. van den Berg,EWOUT:一种混合拟牛顿投影梯度法及其在LASSO和基追踪去噪中的应用(2020)
  5. 王,Guoqiang;魏,Xinyuan;禹,博城;徐,李军:大规模稀疏最小二乘问题的一种有效的近块坐标同伦方法(2020)
  6. 谢,思玉;郭,雷:压缩分布式自适应滤波器分析(2020)
  7. 阿德科克,本;盖尔布,安妮;宋,Guohui;隋,易:基于变异的联合稀疏恢复(2019)
  8. AdCOCK,本;隋,易:压缩Hermite插值:梯度增强测量的稀疏、高维逼近(2019)
  9. Aravkin,Aleksandr Y.;Burke,James V.;DrulvyaTyky,德米特里;Friedlander,Michael P.;Posile,Yo:凸优化的水平集方法(2019)
  10. 布尔日斯基,达米安;Gasman,AlxeJ;Su,Weijie;波格丹,玛格尔扎塔:群组斜率——预测群的自适应选择(2019)
  11. 盖尔布,安妮;Hou,X.;李,Q.:(L1)最小化守恒定律的数值分析(2019)
  12. 基姆,Kyung Su;Chung,Sae Young:联合稀疏恢复的贪婪子空间追踪(2019)
  13. 库马尔,拉吉夫;Willemsen,Bram;赫尔曼,Felix J.;马尔科姆,艾丽森:使数值精确局部解算器用于波形反演——一种低秩方法(2019)
  14. 刘,米歇尔;库马尔,拉吉夫;Haber,Eldad;Aravkin,Alkunthr:带缺失数据的PDE约束优化问题的同时镜头反演(2019)
  15. Manohar,Krithika;Kaiser,Eurika;Brunton,Steven L.;Kutz,J. Nathan:多尺度动力学最优化抽样(2019)
  16. Movahedian,N.N. Sarabadan,M:非光滑稀疏约束优化问题:最优性条件(2019)
  17. PotoSyn,AmiNak;Tran,Hoang;Webster,克莱顿:通过流形优化重建联合稀疏向量(2019)
  18. 吴,Caiying;湛,嘉明;卢,岳;陈,Jein Shan:基于平滑(LL1)-范数(2019)共轭梯度算法的信号重构
  19. 杨,天宝;张,李军;靳,荣;朱,Shenghuo;周,Zhi Hua:一种简单的同伦压缩映射近端映射算法(2019)
  20. 张,熊俊;NG,Michael K.:一种求解均匀噪声消除的线性逆问题的快速算法(2019)