Lipschitz条件下迭代正则化高斯-牛顿法的收敛性分析
A convergence analysis of the iteratively regularized Gauss-Newton method under Lipschitz condition
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结：
本文在Lipschitz条件下证明了迭代正则化高斯-牛顿法结合后验停止规则是阶最优的正则化方法。
摘要：
本文考虑用于求解非线性不适定反问题的迭代正则化高斯-牛顿法。仅在Lipschitz条件下，我们证明该方法结合后验停止规则定义了一个阶最优的正则化方法，如果解在某种适当意义下是正则的。
英文摘要：
In this paper we consider the iteratively regularized Gauss-Newton method for solving nonlinear ill-posed inverse problems. Under merely Lipschitz condition, we prove that this method together with an a posteriori stopping rule defines an order optimal regularization method if the solution is regular in some suitable sense.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
