基于埃特金加速的改进Landweber迭代正则化方法

为克服Landweber迭代正则化方法在求解大规模不适定问题时收敛速度慢的不足,将埃特金加速技巧与不动点迭代相结合,构建了能快速收敛的改进Landweber迭代正则化方法.数值实验结果表明:改进的迭代正则化方法在稳定求解不适定问题时,能够快速地收敛至问题的最优解,较Landweber迭代正则化方法大大提高了收敛速度.     

一种求解弹性l_2-l_q正则化问题的算法

给出了一种求解弹性l_{2}-l_{q}正则化问题的迭代重新加权l_{1}极小化算法, 并证明了由该算法产生的迭代序列是有界且渐进正则的. 对于任何有理数q\in(0,1), 基于一个代数的方法, 进一步证明了迭代重新加权l_{1}极小化算法收敛到弹性l_{2}-l_{q}(0相似文献   

求解波场变换反演问题的连续正则化方法

本文研究波场变换反演问题.利用连续正则化方法求解波场变换反演问题,构造展平泛函,基于已经正则化的变分问题用差分法作有限维逼近.利用偏差原理和Newton三阶迭代收敛格式选出最优的正则化参数,实施数值求解.通过对数值计算结果与已知波场函数对比,证明该方法的有效性和可行性.与离散正则化算法相比,本文的连续正则化算法具有保结构和收敛速度快等优点.     

M-矩阵线性互补问题模系多分裂迭代方法的收敛性

首先证明了M-矩阵的H-相容分裂都是正则分裂,反之不成立.这表明对于M-矩阵而言,其正则分裂包含H-相容分裂.然后针对系数矩阵为M-矩阵的线性互补问题,建立了两个收敛定理:一是模系多分裂迭代方法关于正则分裂的收敛定理;二是模系二级多分裂迭代方法关于外迭代为正则分裂和内迭代为弱正则分裂的收敛定理.     

随机梯度下降法的收敛速度(英文)

本文研究了正则化格式下随机梯度下降法的收敛速度.利用线性迭代的方法,并通过参数选择,得到了随机梯度下降法的收敛速度.     

解波方程逆问题的时卷正则（TCR）迭代法的数值方法

本文提出了一种解波方程逆问题的莳卷正则(TCR)迭代方法[2]的数值方法,这种方法巧妙地用Tikhonov正则法克服了由于数值磨光所引起的不稳定性,使TCR迭代过程稳定收敛。同时本文还采用了某些多层网格迭代技巧,并提出了一个简单实用的选择正则参数的方法,从而提高了迭代收敛速度。此外,本文还指出这种数值方法可用于解非边界脉冲源的波方程逆问题。     

求解l1极小化问题的Bregman迭代算法

在Tikhonov正则化方法的基础上将其转化为一类l1极小化问题进行求解,并基于Bregman迭代正则化构建了Bregman迭代算法,实现了l1极小化问题的快速求解.数值实验结果表明,Bregman迭代算法在快速求解算子方程的同时,有着比最小二乘法和Tikhonov正则化方法更高的求解精度.     

算子与右端都为近似的迭代正则化方法

讨论了解算子与右端都近似给定的第一类算子方程的迭代Tikhonov正则化方法,建立了一种选择正则参数的方法——广义Arcangeli方法,得到正则化逼近解的收敛速度估计。     

不适定问题的迭代Tikhonov正则化方法

Tikhonov正则化方法是研究不适定问题最重要的正则化方法之一,但由于这种方法的饱和效应,使得不可能随着解的光滑性假设的提高而提高收敛率,即不能使正则解与准确解的误差估计达到阶数最优．本文所讨论的迭代的Tikhonov正则化方法对此进行了改进,保证了误差估计总可以达到阶数最优．数值试验结果表明计算效果良好．     

求解离散不适定问题的正则化GMERR方法

迭代极小残差方法是求解大型线性方程组的常用方法, 通常用残差范数控制迭代过程.但对于不适定问题, 即使残差范数下降, 误差范数未必下降. 对大型离散不适定问题,组合广义最小误差(GMERR)方法和截断奇异值分解(TSVD)正则化方法, 并利用广义交叉校验准则(GCV)确定正则化参数,提出了求解大型不适定问题的正则化GMERR方法.数值结果表明, 正则化GMERR方法优于正则化GMRES方法.