非凸规划的加速近似梯度法
本文首次为一般非凸和非光滑问题提供了APG型算法,保证了问题的每个累加点都是一个临界点,并且当问题是凸的时,收敛速度保持为O(1/k2)。 基于非凸优化-最小化的组合优化
本文考虑了这些函数的一类自然的非凸主元,并证明了这些主元对于全局收敛的优化方案来说仍然足够,并且说明了从原始飞行时间数据进行深度超分辨的算法的行为。 非光滑非凸图像重建的可学习下降算法
本文利用Nesterov的平滑技术和残差学习的思想,发展了一种可证明收敛的下降型算法来解决非光滑非凸极小化问题,并学习网络参数,使算法的输出与训练数据中的参考相匹配。 迭代加权最小二乘法的共轭梯度加速
在许多情况下,特别是在大尺寸情况下,改进的IRLS方法优于目前最先进的一阶方法,如迭代硬阈值(IHT)或快速迭代软阈值算法(FISTA)。 迭代加权最小二乘法的共轭梯度加速
在许多情况下,特别是在大尺寸情况下,改进的IRLS方法优于目前最先进的一阶方法,如迭代硬阈值(IHT)或快速迭代软阈值算法(FISTA)。 凸问题的一阶原对偶算法及其在成像中的应用
对于鞍点结构已知的非光滑凸优化问题,一阶原对偶算法可以在原目标或对偶目标一致凸的情况下实现O(1/N2)收敛,并且可以在光滑问题上表现出线性收敛,即对于某些ω∈(0,1),它可以表现出O(ωN)的线性收敛。 线性约束非光滑和非凸最小化
介绍了一种在欧几里德空间中用线性约束实现非光滑和非凸最小化的新算法,并说明了该算法实际上是著名的凸优化非平稳增广拉格朗日方法的自然推广。 向量值标记的紧凸松弛
本文针对标签空间是连续乘积空间且正则化子是可分离的情况,提出了一种约简技术,即标签空间的每个维的正则化子之和。 迭代相关优化最小化算法的扩展理论处理
这种对优化-最小化的扩展处理拓宽了信号和图像处理应用中可以考虑的MM算法设计的范围,使我们能够验证以前发布的算法的收敛行为,并对这些算法的总体行为有了更全面的了解。