Majorization-Minimization Algorithms in Signal Processing, Communications, and Machine Learning

This paper gives an overview of the majorization-minimization (MM) algorithmic framework, which can provide guidance in deriving problem-driven algorithms with low computational cost. A general introduction of MM is presented, including a description of the basic principle and its convergence result...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on signal processing Ročník 65; číslo 3; s. 794 - 816
Hlavní autoři:	Ying Sun, Babu, Prabhu, Palomar, Daniel P.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.02.2017 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Basic converters Convergence Convexity Estimation Linear programming Machine learning Majorization-minimization Minimization non-convex optimization Optimization Signal processing Signal processing algorithms surrogate function Taylor series Upper bounds upperbounds
ISSN:	1053-587X, 1941-0476
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!