Parallel Selective Algorithms for Nonconvex Big Data Optimization

We propose a decomposition framework for the parallel optimization of the sum of a differentiable (possibly nonconvex) function and a (block) separable nonsmooth, convex one. The latter term is usually employed to enforce structure in the solution, typically sparsity. Our framework is very flexible...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	IEEE transactions on signal processing Jg. 63; H. 7; S. 1874 - 1889
Hauptverfasser:	Facchinei, Francisco, Scutari, Gesualdo, Sagratella, Simone
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	IEEE 01.04.2015
Schlagworte:	Approximation methods Convergence distributed methods Jacobi method Jacobian matrices LASSO Optimization Parallel optimization Signal processing algorithms sparse solution variables selection Vectors
ISSN:	1053-587X, 1941-0476
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!