Inexact proximal gradient algorithm with random reshuffling for nonsmooth optimization

Proximal gradient algorithms are popularly implemented to achieve convex optimization with nonsmooth regularization. Obtaining the exact solution of the proximal operator for nonsmooth regularization is challenging because errors exist in the computation of the gradient; consequently, the design and...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Science China. Information sciences Ročník 68; číslo 1; s. 112201
Hlavní autoři:	Jiang, Xia, Fang, Yanyan, Zeng, Xianlin, Sun, Jian, Chen, Jie
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Beijing Science China Press 01.01.2025 Springer Nature B.V
Témata:	Algorithms Basic converters Computational geometry Computer Science Convex analysis Convexity Design optimization Errors Exact solutions Information Systems and Communication Service Neighborhoods Optimization techniques Regularization Research Paper Signal processing compressed sensing inexact computation nonsmooth optimization proximal operator random reshuffling
ISSN:	1674-733X, 1869-1919
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!