基于正则项光滑度阶数的凸正则化收敛性分析
数值分析
2015-09-04 v6
摘要
本文研究了带有光滑、下半连续凸正则项 的最小二乘泛函极小化问题的求解。在 Hilbert 空间 的某个紧凸子集 上,正则项被隐式定义为 ,其中 。因此,与给定的线性、紧且单射的前向算子 相关联的代价泛函为:\begin{align} F_{\alpha}(\cdot , f^{\delta}) := \frac{1}{2} \Vert \mathcal{T}( \cdot ) - f^{\delta}\Vert_{\mathcal{H}}^2 + \alpha J(\cdot) , \nonumber \end{align} 其中 是给定的扰动数据,其扰动量为 。本文分析了正则化最优解 收敛到真解 的情况,该收敛性依赖于正则项的光滑度阶数,即 中 的情形。在这两种情形下,我们定义了一个正则化参数,使其满足条件:\begin{align} \alpha(\delta , f^{\delta}) \in \{ \alpha > 0 \mbox{ }\vert \mbox{ }\Vert\mathcal{T}\varphi_{\alpha}^{\delta} - f^{\delta}\Vert \leq \tau\delta \} , \nonumber \end{align} 其中 为某固定常数。在 的情形下,我们能够利用泛函 的 Hessian Lipschitz 常数 来评估偏差 。
引用
@article{arxiv.1406.1227,
title = {Convergence analysis in convex regularization depending on the smoothness degree of the penalizer},
author = {Erdem Altuntac},
journal= {arXiv preprint arXiv:1406.1227},
year = {2015}
}
备注
Abstract and proofs are corrected