MétaCan
Menu
Retour à la cohorte
Enregistrement W4245609702 · doi:10.23952/asvao.3.2021.3.02

A Dai-Liao-like projection method for solving convex constrained nonlinear monotone equations and minimizing the $\ell_1$-regularized problem

2021· article· en· W4245609702 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueApplied Set-Valued Analysis and Optimization · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Optimization Algorithms Research
Établissements canadiensnon disponible
Organismes subventionnairesPetroleum Technology Development FundDeutscher Akademischer Austauschdienst
Mots-clésMonotone polygonRegular polygonMathematicsProjection (relational algebra)Nonlinear systemApplied mathematicsProjection methodConvex optimizationConvex analysisMathematical optimizationMathematical analysisAlgorithmDykstra's projection algorithmPhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

In this paper, a three-term derivative-free method for solving a nonlinear system of equations with convex constraints is proposed. In addition, by reformulating an 1 -regularized problem into a nonlinear system of equations, the proposed method is applicable to solving signal recovery and image deblurring problems. Our method is based on the projection technique of Solodov and Svaiter (1998) by incorporating a quasi-Newton-like direction with the Dai-Liao conjugate gradient parameter. The proposed method is matrix-free and the search direction satisfies a certain descent condition. Under the assumption that the underlying function is monotone and Lipschitzian, the global convergence of the proposed method is established. Preliminary numerical experiments on some large-scale nonlinear system of equations with convex constraints show that the proposed method is efficient. Furthermore, we apply the proposed method to the 1 -regularization problem in compressive sensing.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,354
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle