Efficient gradient descent algorithm with anderson acceleration for separable nonlinear models

Separable nonlinear models are pervasively employed in diverse disciplines, such as system identification, signal analysis, electrical engineering, and machine learning. Identifying these models inherently poses a non-convex optimization challenge. While gradient descent (GD) is a commonly adopted m...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Nonlinear dynamics Ročník 113; číslo 10; s. 11371 - 11387
Hlavní autoři:	Chen, Guang-Yong, Lin, Xin, Xue, Peng, Gan, Min
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Dordrecht Springer Netherlands 01.05.2025 Springer Nature B.V
Témata:	Algorithms Applications of Nonlinear Dynamics and Chaos Theory Classical Mechanics Control Convergence Convexity Dynamical Systems Hessian matrices Machine learning Newton methods Optimization Physics Physics and Astronomy Signal analysis Statistical Physics and Dynamical Systems System identification Vibration Anderson acceleration Robust parameter estimation Hierarchical identification algorithm Separable nonlinear problem
ISSN:	0924-090X, 1573-269X
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!