基于近端梯度法的高效共识模型及其在卷积稀疏问题中的应用
机器学习
2020-11-23 v1
摘要
卷积稀疏表示（CSR）作为用于逆问题的平移不变模型，在信号/图像处理、机器学习和计算机视觉领域获得了大量关注。CSR中最具挑战性的问题意味着最小化形式为 的复合函数，其中直接且低成本的求解可能难以实现。然而，已有报道称半分布式公式如ADMM共识可提供重要的计算收益。在本工作中，我们推导并详述了基于近端梯度（PG）方法的高效共识算法的详尽理论分析。所提算法相对于其ADMM对应算法的有效性主要在经典卷积字典学习问题中进行了评估。此外，我们的共识方法具有通用结构，可用于求解其他优化问题，其中带正则化项的凸函数之和共享单一全局变量。作为一个示例，所提算法还被应用于另一特定的卷积问题以完成异常检测任务。
引用
@article{arxiv.2011.10100,
title = {Efficient Consensus Model based on Proximal Gradient Method applied to Convolutional Sparse Problems},
author = {Gustavo Silva and Paul Rodriguez},
journal= {arXiv preprint arXiv:2011.10100},
year = {2020}
}