Proximal gradient method
http://dbpedia.org/resource/Proximal_gradient_method an entity of type: Ability105616246
Proximal gradient methods are a generalized form of projection used to solve non-differentiable convex optimization problems. Many interesting problems can be formulated as convex optimization problems of the form
rdf:langString
Метод проксимального градиента — это обобщение проецирования, используемое для решения недифференцируемых задач выпуклого программирования. Много интересных задач можно сформулировать как задачи выпуклого программирования вида
rdf:langString
rdf:langString
Proximal gradient method
rdf:langString
Метод проксимального градиента
xsd:integer
39587805
xsd:integer
1072866418
rdf:langString
Proximal gradient methods are a generalized form of projection used to solve non-differentiable convex optimization problems. Many interesting problems can be formulated as convex optimization problems of the form where are convex functions defined from where some of the functions are non-differentiable. This rules out conventional smooth optimization techniques likeSteepest descent method, conjugate gradient method etc. Proximal gradient methods can be used instead. These methods proceed by splitting, in that the functions are used individually so as to yield an easily implementable algorithm.They are called proximal because each non smooth function among is involved via its proximityoperator. Iterative Shrinkage thresholding algorithm, projected Landweber, projectedgradient, alternating projections, alternating-direction method of multipliers, alternatingsplit Bregman are special instances of proximal algorithms. For the theory of proximal gradient methods from the perspective of and with applications to statistical learning theory, see proximal gradient methods for learning.
rdf:langString
Метод проксимального градиента — это обобщение проецирования, используемое для решения недифференцируемых задач выпуклого программирования. Много интересных задач можно сформулировать как задачи выпуклого программирования вида где — выпуклые функции, определённые как отображения , где некоторые из функций недифференцируемы, что исключает обычные техники гладкой оптимизации, такие как метод наискорейшего спуска или метод сопряжённых градиентов и др., вместо них могут быть использованы проксимальные градиентные методы. Эти методы работают путём расщепления, так что функции используются индивидуально, что позволяет разработать более просто реализуемые алгоритмы.Они называются проксимальными (англ. proximal, ближайший), поскольку каждая негладкая функция среди вовлекается в процесс через оператор близости. Итерационный алгоритм мягкой пороговой фильтрации, проекция Ландвебера, проекция градиента, попеременные проекции, , метод чередующихся расщеплений Брэгмана являются частными случаями проксимальных алгоритмов. Для рассмотрения проксимальных градиентных методов со стороны статистической теории обучения и приложений к этой теории см. статью .
xsd:nonNegativeInteger
7818