最优化方法 26：不动点迭代
前面讲了很多具体的算法，比如梯度、次梯度、近似点梯度、加速近似点梯度、PPA、DR方法、ADMM、ALM等，对这些方法的迭代过程有了一些了解。这一节则主要是针对算法的收敛性进行分析，试图从一个更加抽象的层面，利用不动点迭代的思想，把上面的算法综合起来，给一个比较 general 的收敛性分析方法。 1. 什么是不动点？ 对于希尔伯特空间(Hilbert space) H \mathcal{H} H
相关文章
- 1. 最优化方法：牛顿迭代法和拟牛顿迭代法
- 2. Python-线性最优解迭代方法
- 3. 最优化理论与方法-牛顿迭代法
- 4. 最优化理论与方法-牛顿迭代法后续
- 5. 解方程——不动点迭代
- 6. 最优化方法
- 7. 最优化方法：六、约束最优化方法
- 8. 最优化方法：五、无约束最优化方法
- 9. 最优化方法--概述
- 10. 【转】代码优化之-优化除法（牛顿迭代法）
- 更多相关文章...
- • Lua 迭代器 - Lua 教程
- • Scala Iterator（迭代器） - Scala教程
- • SpringBoot中properties文件不能自动提示解决方法
- • Git可视化极简易教程 — Git GUI使用方法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 最优化方法：牛顿迭代法和拟牛顿迭代法
- 2. Python-线性最优解迭代方法
- 3. 最优化理论与方法-牛顿迭代法
- 4. 最优化理论与方法-牛顿迭代法后续
- 5. 解方程——不动点迭代
- 6. 最优化方法
- 7. 最优化方法：六、约束最优化方法
- 8. 最优化方法：五、无约束最优化方法
- 9. 最优化方法--概述
- 10. 【转】代码优化之-优化除法（牛顿迭代法）