CAPPA：用于稀疏恢复的连续时间加速邻近点算法
最优化与控制
2020-12-02 v1 系统与控制
系统与控制
摘要
本文提出了一种新颖的连续时间加速邻近点算法（CAPPA），用于 最小化问题，具有可证明的固定时间收敛保证。 最小化问题出现在多种情境中，例如压缩感知（CS）理论中的稀疏恢复（SR），以及机器学习中的稀疏线性和逻辑回归等。大多数现有的求解 最小化问题的算法是离散时间的、效率低且需要穷尽的计算机引导迭代。CAPPA 从两方面缓解此问题：（a）它包含一种可用模拟电路实现的连续时间算法；（b）它通过展现可证明的到最优解的固定时间收敛，优于 LCA 和有限时间 LCA（最近开发的用于求解 SR 问题的连续时间动力系统）。因此，CAPPA 更适用于快速高效地处理 SR 问题。文中给出了仿真研究，证实了 CAPPA 的计算优势。
引用
@article{arxiv.2006.02537,
title = {CAPPA: Continuous-time Accelerated Proximal Point Algorithm for Sparse Recovery},
author = {Kunal Garg and Mayank Baranwal},
journal= {arXiv preprint arXiv:2006.02537},
year = {2020}
}
备注
6 pages, 5 figures