彼得·奥克斯;勒内·兰夫特;托马斯·布罗克斯;托马斯·波克 非光滑下层问题的基于梯度的双层优化技术。 (英文) Zbl 1352.65155号 数学杂志。成像视觉。 56,第2期,175-194(2016). 摘要:我们提出了用非光滑下层问题近似两层优化问题的技术,这些问题可以有一个非唯一的解。为此,我们用一个迭代算法替换下层最小化问题的极小值表达式,该迭代算法保证收敛到问题的极小。尽管最小化问题是非光滑的,但使用合适的非线性最近距离函数,这种迭代算法的更新映射可以是可微的。 引用于16文件 MSC公司: 65千5 数值数学规划方法 90立方 非线性规划 关键词:双层优化;非光滑下层问题;Bregman邻近函数;数值示例;迭代算法 软件:MatConvNet公司;L-BFGS公司;亚当;iPiano公司 PDF格式BibTeX公司 XML格式引用 \textit{P.Ochs}等人,《数学杂志》。成像视觉。56,第2号,175--194(2016;Zbl 1352.65155) 全文: 内政部 arXiv公司 参考文献: [1] Al-Baali,M.:不精确线搜索下Fletcher-Reeves方法的下降性质和全局收敛性。IMA J.数字。分析。5(1), 121-124 (1985) ·Zbl 0578.65063号 ·doi:10.1093/imanum/5.1.121 [2] Attouch,H.,Bolt,J.,Svaiter,B.:半代数和驯服问题下降方法的收敛性:近似算法,前向-后向分裂和正则高斯-赛德尔方法。数学。程序。137(1-2), 91-129 (2013) ·兹比尔1260.49048 ·doi:10.1007/s10107-011-0484-9 [3] Beck,A.,Teboulle,M.:凸优化的镜像下降和非线性投影次梯度方法。操作。Res.Lett公司。31(3), 167-175 (2003) ·Zbl 1046.90057号 ·doi:10.1016/S0167-6377(02)00231-6 [4] Bennett,K.,Kunapuli,G.,Hu,J.,Pang,J.S.:双层优化和机器学习。收录:《计算智能:研究前沿》。计算机科学课堂讲稿,第5050卷,第25-47页。柏林施普林格出版社(2008)·Zbl 1046.90057号 [5] Bregman,L.M.:寻找凸集公共点的松弛方法及其在凸规划问题求解中的应用。苏联计算。数学。数学。物理学。7(3), 200-217 (1967) ·Zbl 0186.23807号 ·doi:10.1016/0041-5553(67)90040-7 [6] Calatroni,L.,Reyes,J.,Schönlieb,C.B.:多重非光滑约束下最优噪声学习的动态采样方案。ArXiv电子版(2014)。arXiv:1403.1278·兹比尔1333.94008 [7] Calatroni,L.,Reyes,J.,Schönlieb,C.B.,Valkonen,T.:变分成像模型学习的双层方法。ArXiv电子版(2015)。arXiv公司:1505.02120·Zbl 1374.94065号 [8] Chambolle,A.,Pock,T.:凸问题的一阶原对偶算法及其在成像中的应用。数学杂志。成像视觉。40(1), 120-145 (2011) ·Zbl 1255.68217号 ·doi:10.1007/s10851-010-0251-1 [9] Chambolle,A.,Pock,T.:关于一阶原对偶算法的遍历收敛速度。数学。程序。(2015). doi:10.1007/s10107-015-0957-3·Zbl 1350.49035号 [10] Chen,Y.,Pock,T.,Ranftl,R.,Bischof,H.:回顾基于滤波器的MRF图像恢复的特定损失训练。参加:德国模式识别会议(GCPR)。《计算机科学讲义》,第8142卷,第271-281页。柏林施普林格出版社(2013) [11] Chen,Y.,Ranftl,R.,Pock,T.:分析运算符学习的见解:从基于补丁的稀疏模型到高阶MRF。IEEE传输。图像处理。23(3), 1060-1072 (2014) ·Zbl 1374.94065号 ·doi:10.1109/TIP.2014.2299065 [12] Deledale,C.A.,Vaiter,S.,Fadili,J.,Peyré,G.:多参数选择的Stein无偏GrAdient风险估计量(SUGAR)。SIAM J.成像科学。7(4), 2448-2487 (2014) ·Zbl 1361.94012号 ·doi:10.1137/140968045 [13] Dempe,S.:关于双层规划和具有平衡约束的数学规划的注释性参考书目。优化52(3),333-359(2003)·Zbl 1140.90493号 ·doi:10.1080/0233193031000149894 [14] Dempe,S.、Kalashnikov,V.、Pérez-ValdéS,G.、Kalashnykova,N.:双层编程问题。能源系统。柏林施普林格出版社(2015)·Zbl 1338.90005号 [15] Dempe,S.,Zemkoho,A.:双层规划的广义Mangasarian-Fromowitz约束限定和最优性条件。J.优化。理论应用。148(1), 46-68 (2010) ·Zbl 1223.90061号 ·doi:10.1007/s10957-010-9744-8 [16] Domke,J.:微扰隐式微分。摘自:《神经信息处理系统进展》,第523-531页(2010年)·Zbl 1255.68217号 [17] Domke,J.:基于优化建模的通用方法。摘自:人工智能与统计国际研讨会,第318-326页(2012年)·Zbl 0428.47039号 [18] Evans,L.C.,Gariepy,R.F.:函数的测度理论和精细特性。CRC出版社,博卡拉顿(1992)·Zbl 0804.28001号 [19] Fletcher,R.,Reeves,C.:共轭梯度函数最小化。计算。J.7(2),149-154(1964)·Zbl 0132.11701号 ·doi:10.1093/comjnl/7.2.149 [20] Gould,S.,Fulton,R.,Koller,D.:将场景分解为几何和语义一致的区域。在:国际计算机视觉会议(ICCV)(2009)·Zbl 0132.11701号 [21] Griewank,A.,Walther,A.:《衍生品评估》,第二版。费城工业和应用数学学会(2008)·Zbl 1159.65026号 ·doi:10.137/1.9780898171761 [22] Kingma,D.P.,Ba,J.:亚当:一种随机优化方法。CoRR abs/1412.6980(2014)·Zbl 1046.90057号 [23] Kunisch,K.,Pock,T.:变分模型中参数学习的双层优化方法。SIAM J.成像科学。6(2), 938-983 (2013) ·Zbl 1280.49053号 ·数字对象标识代码:10.1137/120882706 [24] Lions,P.L.,Mercier,B.:两个非线性算子之和的分裂算法。SIAM J.应用。数学。16(6),964-979(1979)·Zbl 0426.6500号 [25] Liu,D.C.,Nocedal,J.:关于大规模优化的有限内存BFGS方法。数学。程序。45(1), 503-528 (1989) ·Zbl 0696.90048号 ·doi:10.1007/BF01589116 [26] Long,J.,Shelhamer,E.,Darrell,T.:语义分割的完全卷积网络。参加:计算机视觉与模式识别国际会议(2015) [27] Moore,G.:机器学习模型选择的双层编程算法。特洛伊伦斯勒理工学院博士论文(2010)·Zbl 1140.90493号 [28] Ochs,P.:对象级分组和非光滑优化方法的长期运动分析。阿尔伯特·卢德维希斯·弗赖堡大学博士论文(2015年)·Zbl 0132.11701号 [29] Ochs,P.,Chen,Y.,Brox,T.,Pock,T.:ipiano:非凸优化的惯性近似算法。SIAM J.成像科学。7(2), 1388-1419 (2014) ·Zbl 1296.90094号 ·数字对象标识代码:10.1137/130942954 [30] Ochs,P.,Ranftl,R.,Brox,T.,Pock,T.:具有非光滑下层问题的双层优化。In:计算机视觉中尺度空间和变分方法国际会议(2015)·Zbl 1352.65155号 [31] Passty,G.B.:遍历收敛到Hilbert空间中单调算子和的零。数学杂志。分析。申请。72(2), 383-390 (1979) ·Zbl 0428.47039号 ·doi:10.1016/0022-247X(79)90234-8 [32] Peyré,G.,Fadili,J.:学习分析稀疏性先验。摘自:桑普塔会议录(2011) [33] Ranftl,R.,Pock,T.:图像分割的深度变化模型。在:德国模式识别会议(GCPR),第107-118页(2014) [34] Reyes,J.,Schönlieb,C.B.,Valkonen,T.:图像恢复问题的最佳参数结构。ArXiv电子版(2015)。arXiv:11505.01953年·Zbl 1327.49063号 [35] Reyes,J.C.D.L.,Schönlieb,C.B.:图像去噪:通过pde-constrained优化学习噪声分布。反向探测。成像7,1183-1214(2013)·Zbl 1283.49005号 ·doi:10.3934/ipi.2013.7.1183 [36] Rockafellar,R.T.:凸分析。普林斯顿大学出版社,普林斯顿(1970)·Zbl 0193.18401号 ·doi:10.1515/9781400873173 [37] Tappen,M.:利用变分优化学习MRF。摘自:计算机视觉和模式识别国际会议(CVPR),第1-8页(2007年) [38] Tsochantaridis,I.、Joachims,T.、Hofmann,T.和Altun,Y.:结构化和相互依赖输出变量的大幅度方法。J.马赫。学习。第6号决议,1453-1484(2005)·兹比尔1222.68321 [39] Vedaldi,A.,Lenc,K.:MATLAB的MatConvNet-卷积神经网络。摘自:ACM国际多媒体会议记录(2015) [40] Zavriev,S.,Kostyuk,F.:非凸优化问题中的重球方法。计算。数学。模型。4(4), 336-341 (1993) ·Zbl 1331.90056号 ·doi:10.1007/BF01128757 [41] Zheng,S.、Jayasumana,S.,Romera--Paredes,B.、Vineet,V.、Su,Z.、Du,D.、Huang,C.、Torr,P.:条件随机场作为递归神经网络。参加:计算机视觉国际会议(2015)·Zbl 1331.90056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。