Effective New Methods for Automated Parameter Selection in Regularized Inverse Problems
正则化反问题的参数值的选择是至关重要的结果,仍然是一个感兴趣的话题。本文探讨了通过最大化数据概率来选择良好参数值的标准,{在没有噪声方差先验知识的情况下}。这些概念是为$\ell_2$和$\ell_1$正则化模型开发的,通过它们的贝叶斯解释。基于这些概念,提出了一种迭代方案,并证明了收敛准确,并提供了分析收敛结果,证实了这些经验观察。对于一些最常见的逆问题,包括MRI,SAR,去噪和反卷积,一个非常有效的算法推导,使迭代方案非常有吸引力的实际情况下使用。与任何反问题的一般情况下的计算问题也仔细解决。一组强大的一维和二维数值模拟证实了所提出的方法的有效性。
2020-02-08 cs.NA math.NA
A data-driven iteratively regularized Landweber iteration
我们推导并分析了一个新的变种的迭代正则化Landweber迭代,求解线性和非线性不适定反问题。该方法考虑了训练数据,这些数据用于估计黑盒的内部,黑盒用于定义迭代过程。在无穷维希尔伯特空间中证明了格式的收敛性和稳定性。这些理论结果的补充几个数值实验解决线性反问题的Radon变换和纹影层析成像的非线性反问题。
2020-03-18 cs.NA math.NA
Acceleration techniques for regularized Newton methods applied to electromagnetic inverse medium scattering problems
Institut für Numerische und Angewandte Mathematik, Universität Göttingen(哥廷根大学数值与应用数学研究所);Deutsches Zentrum für Luft- und Raumfahrt e. V. in der Helmholtz-Gemeinschaft, Institut für Aerodynamik und Strömungstechnik(德国航空航天中心(戴姆勒-克莱斯勒-阿利安特-马瑟里基金会),空气动力学与流动技术研究所)
研究谱预条件子的构造与更新以加速正则化牛顿方法,并应用于电磁逆介质散射问题,提出高效Lepskiĭ型停止准则,在精确数据下优于其他迭代正则化方法,在噪声数据下显著优于偏差原理。
2010-03-23 cs.NA math.NA
Convergent and efficient iteratively regularized contrast source inversion-type methods for inverse medium scattering problems
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);School of Mathematical Sciences, University of Chinese Academy of Sciences(中国科学院大学数学科学学院)
本文提出两种迭代正则化CSI-type方法,通过引入新的ℓ1近端项,证明了其在弱条件下全局收敛,解决了反散射问题中非线性逆问题在固定频率下的收敛性问题。
2026-07-30 cs.NA math.NA
Locally-averaged McCormick relaxations for discretization-regularized inverse problems
Alpen-Adria-Universität(阿尔卑斯-亚得里亚大学);TU Dortmund University(多特蒙德工业大学)
本文通过标准模型问题提出一种计算近似对偶界的方法,用于PDE系数识别的全局优化,结合局部平均和优化基于的界紧缩,证明离散正则化反问题的收敛性。
2026-03-19 cs.NA math.NA
Convergence Analysis of a Variable Projection Method for Regularized Separable Nonlinear Inverse Problems
本文分析了在变量投影方法中使用LSQR近似计算Jacobians的影响,提出了确保收敛的停止准则,并通过盲反卷积数值实验验证了理论结果。
2024-02-13 cs.NA math.NA
A Regularized Finite-Difference Approximation of Surface-restricted Emission and Reception Process in Acoustics with Application to Inverse Problems
University of Tehran(德黑兰大学)
本文通过建立单极子和偶极子积分公式与全波形近似的等价性,提出接收算子将自由空间压力波场映射到边界测量场,并推导了正向算子的共轭,用于提升声学正向问题和逆问题的近似与求解能力。
2026-09-10 cs.NA math.NA
A scalable space-time domain decomposition approach for solving large-scale nonlinear regularized inverse ill-posed problems in 4D variational data assimilation
我们开发创新的算法,解决强约束的四维变分资料同化在大规模应用。我们提出了一种时空分解方法,采用区域分解沿空间和时间方向的重叠的情况下,涉及分区的解决方案和运营商。从定义在整个域上的全局泛函出发,我们得到了一种正则化的局部泛函的子域集,提供了预测和数据同化模型的降阶。我们分析了算法的收敛性和它的性能方面的时间复杂度和算法的可扩展性降低。根据汉堡大学提供的海洋综合/再分析目录中的设置,对球面上的浅水方程进行了数值试验。
2022-04-11 cs.NA math.NA
Notes on the discretization of TV-NORM regularized inverse potential problems
INRIA(法国国家信息与自动化研究所);Vanderbilt University(范德堡大学)
本文提出了一种针对三维赋值测度上线性逆问题正则化所引发的优化问题的离散化方法,其判据为数据的二次残差并附加测度全变差惩罚。
2026-10-06 cs.NA math.GM math.NA
Towards Off-the-grid Algorithms for Total Variation Regularized Inverse Problems
本文提出一种离网格算法,通过迭代构造简单多边形指示函数的线性组合来求解全变差正则化线性反问题,克服了传统方法依赖固定网格的局限。
2022-07-09 cs.NA eess.SP math.NA
Parameter Selection by GCV and a $χ^2$ test within Iterative Methods for $\ell_1$-regularized Inverse Problems
针对ℓ₁正则化反问题的Split Bregman、Majorization-Minimization迭代方法,将GCV和χ²检验等方法拓展用于迭代内广义Tikhonov正则参数选择,图像去模糊实验验证了该自动选参策略的有效性。
2024-12-13 cs.NA math.NA
Inverse obstacle scattering regularized by the tangent-point energy
Institute for Mathematics, RWTH Aachen University(亚琛工业大学数学研究所);Institute for Numerical and Applied Mathematics, Georg-August-University Göttingen(哥廷根大学计算与应用数学研究所)
本文提出通过切点能量正则化解决3D反散射问题,结合Gauss-Newton迭代算法,实现高质量的障碍物重建。
2026-09-09 cs.GR cs.NA math.DG
Regularized Reduced Order Lippman-Schwinger-Lanczos Method for Inverse Scattering Problems in the Frequency Domain
本文提出一种基于预解算子近似的鲁棒直接降阶模型方法,通过双层正则化的Lippmann-Schwinger-Lanczos算法求解频域逆散射问题,并在含噪和大规模数据下实现了良好的重建。
2023-11-27 cs.NA math.NA
Variable Projection Methods for Solving Regularized Separable Inverse Problems with Applications to Semi-Blind Image Deblurring
Universidad de Buenos Aires(布宜诺斯艾利斯大学);Arizona State University(亚利桑那州立大学);CONICET–Universidad de Buenos Aires, Instituto de Investigaciones Matemáticas “Luis A. Santaló” (IMAS)(阿根廷国家科学研究委员会-布宜诺斯艾利斯大学,路易斯·A·桑塔洛数学研究所)
本文提出了一种扩展的可变投影方法,用于求解带有正则化的分离逆问题,特别应用于半盲图像去模糊,通过引入参数正则化和拟牛顿方法提高重建精度。
2026-01-08 cs.NA math.NA
Optimal regularized hypothesis testing in statistical inverse problems
本文针对统计逆问题提出允许估计量有偏的正则化假设检验,在源条件下构造水平 α 的最大功效检验族,并通过凸优化得到自适应检验,证明其不劣于且模拟中显著优于非正则化检验。
2023-10-17 cs.NA math.NA math.ST
Iteratively regularized Newton-type methods for general data misfit functionals and applications to Poisson data
针对Banach空间中非线性算子方程的反问题,提出一种使用一般数据失配泛函和凸正则化项的迭代正则化牛顿型方法,证明了先验和后验停止规则下的收敛性与收敛率,并应用于泊松数据反问题(如障碍物散射和相位恢复)。
2012-03-23 cs.NA math.NA
Error Analysis of the Inverse Conductivity Problem with Scattered Measurements
The Chinese University of Hong Kong(香港中文大学);University of Macau(澳门大学);Southern University of Science and Technology (SUSTech)(南方科技大学)
本文针对从含噪分散测量恢复椭圆方程电导率系数的逆问题,提出带W^{1,4}(Ω)惩罚的正则化最小二乘数值格式,给出误差界并通过实验验证。
2026-08-27 cs.NA math.NA
Generalized hybrid iterative methods for large-scale Bayesian inverse problems
我们开发了一个广义的混合迭代方法来计算大规模贝叶斯逆问题的解决方案。我们考虑一个混合算法的基础上的广义Golub-Kahan双对角化计算Tikhonov正则化的解决方案的问题,明确计算的平方根和逆的协方差核的前协方差阵是不可行的。这对于协方差核在不规则网格上定义或仅通过矩阵向量乘法可用的大规模问题很有用,例如,那些来自Matérn类。我们表明,迭代是等价的LSQR迭代直接正则化Tikhonov问题,变量变换后,我们提供了一个广义奇异值分解过滤解决方案的连接。我们的方法有许多优点标准的混合方法,如避免半收敛和自动估计正则化参数。图像处理的数值例子证明了所述方法的有效性。
2021-11-23 cs.NA math.NA
Deep Regularized Compound Gaussian Network for Solving Linear Inverse Problems
U.S. Naval Research Laboratory(美国海军研究实验室);Colorado State University(科罗拉多州立大学)
本文提出两种基于复合高斯先验的线性逆问题求解方法,包括迭代算法G-CG-LS及其展开的深度网络DR-CG-Net,后者在断层成像和压缩感知中优于现有方法,尤其在低训练场景下表现突出。
2024-03-18 cs.AI cs.NA eess.SP
Wavelet-based priors accelerate maximum-a-posteriori optimization in Bayesian inverse problems
小波(Besov)先验是一种很有前途的方式重建间接测量领域的正规化。我们演示了如何小波可以被用来作为一个本地化的基础,从噪声逐点压力场测量的情况下,椭圆反问题的尖锐接口重建渗透率场。为此,我们推导出的伴随方法,最大限度地减少Besov范数正则化失配功能(这对应于确定最大后验点的贝叶斯观点)在Haar小波设置。事实证明,与已建立的基于三角函数的先验相比,选择基于小波的先验可以加速优化。
2019-07-07 cs.NA math.NA math.PR
Relaxed regularization for linear inverse problems
我们考虑正则化最小二乘问题的形式$\min_{x} \frac{1}{2}\Vert Ax - b\Vert_2^2 + \mathcal{R}(Lx)$。最近,郑等人,2019年,提出了一种称为稀疏松弛正则化回归(SR3)的算法,该算法通过引入辅助变量$y$采用分裂策略并求解$\min_{x,y} \frac{1}{2}\Vert Ax - b\Vert_2^2 + \fracκ{2}\Vert Lx - y\Vert_2^2 + \mathcal{R}(x)$。通过最小化变量$x$,我们得到一个等价的系统$\min_{y} \frac{1}{2} \Vert F_κy - g_κ\Vert_2^2+\mathcal{R}(y)$。在我们的工作中,我们将SR3方法视为近似解决正则化问题的一种方法。我们分析了放松问题的条件,并给出了一个表达式的SVD的$F_κ$作为一个功能的$κ$。此外,我们将原问题的Pareto曲线与松弛问题联系起来,并将松弛引起的误差用$κ$量化。最后,我们提出了一个有效的迭代法,用于求解具有非精确内迭代的松弛问题。数值例子说明的方法。
2020-11-13 cs.NA math.NA
QVaR: a Quantum Variational Regularization method for Linear Inverse Problems
Josai University(城桥大学);University of Helsinki(赫尔辛基大学);University of Oulu(奥卢大学);University College London(伦敦大学学院)
提出一种利用量子优化求解正则化线性逆问题的框架,通过QUBO建模统一处理Tikhonov和稀疏正则化,引入量子灵敏度分析扰动影响,并扩展至变分逆问题,数值实验验证了低能解分布的有效性及硬件限制。
2026-06-23 cs.NA math.NA
Regularized Linear Inversion with Randomized Singular Value Decomposition
在这项工作中,我们开发了基于随机奇异值分解(RSVD)的线性反问题的有效求解器。这是通过将RSVD与经典正则化方法相结合来实现的,例如,截断奇异值分解、Tikhonov正则化和带有平滑惩罚的一般Tikhonov正则化。所提出的方法的一个显著特点是,它显式地保留了正则化解的结构,在这个意义上,它总是位于某个伴随算子的范围内。在正则源条件下,给出了近似解与精确解之间的误差估计,并从凸对偶的角度解释了这种方法。大量的数值实验证明了该方法的有效性和准确性。
2019-09-04 cs.NA math.NA
A novel two-point gradient method for Regularization of inverse problems in Banach spaces
本文提出了一种新的求解巴拿赫空间中不适定问题的两点梯度法,并研究了它的收敛性。该方法是基于众所周知的迭代正则化Landweber迭代法与外推策略。迭代正则化Landweber迭代法在巴拿赫空间的一般配方排除了使用某些功能,如全变差像罚函数,$L^1$功能等,本文提出的新方案允许使用这种非光滑的惩罚条款,可以在实际应用中涉及的几个重要功能,如分段常数和稀疏性的解决方案的重建是有帮助的。我们仔细讨论了重要参数的选择,如组合参数和步长的方法的设计。此外,我们还讨论了一个例子来验证我们的假设。
2021-05-31 cs.NA math.NA
Efficient evaluation of forward and inverse energy-based magnetic hysteresis operators
本文针对基于能量的矢量磁滞模型中非光滑最小化问题求解困难,提出正则化近似并结合牛顿法高效求解正向与逆向磁滞算子,使逆向求解成本与正向相当,并通过基准测试验证了方法有效性。
2025-07-21 cs.NA math.NA
An autoencoder compression approach for accelerating large-scale inverse problems
Oden Institute for Computational Science and Engineering(奥登计算科学与工程研究所);University of Texas at Austin(德克萨斯大学奥斯汀分校);University of Utah(犹他大学)
本文提出一种基于自编码器的可扩展压缩方法,用于替代PDE约束反问题中的检查点和大内存存储,在地震反问题上验证了梯度和Hessian-向量积的接近理想加速,并成功扩展DIAS方法至大规模问题。
2023-04-10 cs.LG cs.NA math.NA
On the recovery of two function-valued coefficients in the Helmholtz equation for inverse scattering problems via inverse Born series
本文提出正则化逆 Born 级数,利用双频散射数据同时恢复 Helmholtz 方程的两个函数值系数,并分析其收敛性与误差,数值验证了介质恢复能力。
2025-03-15 cs.NA math-ph math.MP
A Wasserstein distance and total variation regularized model to image reconstruction problems
本文提出融合Wasserstein距离与全变分的静态图像重建正则化模型,证明解的存在性并设计一阶原始-对偶算法,欠采样MRI实验显示其高质量且保持结构。
2023-08-17 cs.NA math.NA
An $\ell_p$ Variable Projection Method for Large-Scale Separable Nonlinear Inverse Problems
变量投影(VarPro)方法是求解可分非线性最小二乘问题的一种有效方法.在本文中,我们提出了一个修改后的VarPro的大规模可分离的非线性反问题,促进边缘保持和稀疏性所需的解决方案,并提高了收敛的参数,定义的正问题。我们采用了一种优化最小化方法,依赖于构建一个二次切线优近似一般的$\ell_p$正则化问题的$\ell_2$正则化问题,可以解决的援助广义Krylov子空间方法在一个相对较低的成本相比,原来的未投影的问题。此外,我们可以使用更多潜在的一般正则化,包括全变差(TV),小框架和小波算子。正则化参数可以通过广义交叉验证在每次迭代中自动定义。大规模的二维成像问题所产生的盲反卷积的数值例子是用来突出所提出的方法在重建图像的质量以及重建的前向算子的性能。
2021-05-29 cs.NA math.NA
Randomized Algorithms for Large-scale Inverse Problems with General Regularizations
School of Mathematics and Statistics, Wuhan University(武汉大学数学与统计学院);Department of Mathematics, The Chinese University of Hong Kong(香港中文大学数学系)
本文研究了大规模线性逆问题中通用正则化随机算法,提出将一般形式逆问题转换为标准形式的技术,并结合正则化参数选择规则求解。还提出新的随机广义SVD算法,能有效减小问题规模,提升鲁棒性和计算效率。
2014-12-29 cs.NA math.NA
On an inverse source problem for the full radiative transfer equation with incomplete data
University of North Carolina Charlotte(北卡罗来纳大学夏洛特分校)
本文提出了一种新的数值方法,用于求解涉及吸收和散射项的辐射转移方程的逆源问题,且不假设吸收和散射系数的限制条件。通过将原始逆源问题转化为一组耦合的一阶偏微分方程的边界值问题,从而避免了未知源函数的参与。接着,将该系统写成有限差分的完全离散形式,并通过拟反向方法求解该离散问题。证明了正则化解的存在性和唯一性,并通过新的离散Carleman估计证明了正则化解在数据噪声趋于零时收敛于精确解。数值模拟显示,即使在数据高度噪声的情况下,该方法也表现出良好的性能。
2019-04-01 cs.NA math.NA
On the Convergence of A Data-Driven Regularized Stochastic Gradient Descent for Nonlinear Ill-Posed Problems
本文提出并分析了一种用于无限维Hilbert空间中非线性不适定逆问题的数据驱动正则化随机梯度下降法,证明了其在特定条件下的正则化性质与收敛速率,并通过数值实验验证了理论分析。
2024-09-27 cs.NA math.NA math.OC
Projected Newton method for large-scale Bayesian linear inverse problems
本文提出投影牛顿法(PNT),通过将Tikhonov正则化转化为约束优化问题并结合Krylov子空间方法,实现正则化参数与解的同步迭代更新,避免高成本矩阵运算,适用于大规模贝叶斯线性反问题。
2025-04-05 cs.NA math.NA
A multilevel framework for sparse optimization with application to inverse covariance estimation and logistic regression
University of British Columbia(不列颠哥伦比亚大学);Intel Labs(英特尔实验室);Technion—Israel Institute of Technology(以色列理工学院)
本文提出一种多级框架高效解决l1正则化稀疏优化问题,应用于逆协方差估计和逻辑回归,通过分层问题加速优化过程,提升大规模数据处理效率。
2016-07-01 cs.NA math.NA math.OC
Convergence Analysis of (Statistical) Inverse Problems under Conditional Stability Estimates
条件稳定性估计需要额外的正则化,以获得稳定的近似解,如果这种估计的有效区域是不完全知道。在这方面,我们考虑不适定的非线性反问题的Hilbert尺度满足条件稳定性估计的特点是一般凹指标函数。在这种情况下,我们利用Tikhonov正则化,并提供收敛性和收敛速度的正则化解决方案的确定性和随机噪声。我们进一步讨论了先验和后验的参数选择规则,并说明我们的假设在不同的模型和现实世界的情况下的有效性。
2019-08-29 cs.NA math.NA
Contingent derivatives and regularization for noncoercive inverse problems
University of Duisburg-Essen(杜伊斯堡-埃森大学);Rochester Institute of Technology(罗切斯特理工学院);Universidad Nacional de Educación a Distancia(西班牙国立远程教育大学);Martin-Luther-University of Halle-Wittenberg(哈勒-维滕贝格马丁·路德大学)
本文研究非 coercive 变分问题中参数识别的逆问题,通过条件导数分析参数到解的映射,并利用输出最小二乘法进行正则化以获得单值映射,探讨其光滑性和有界性,并提供计算方法和数值结果。
2018-02-14 cs.NA math.NA math.OC
Fast $\ell_1$-Regularized EEG Source Localization Using Variable Projection
针对EEG源定位中$\ell_1$正则化计算困难的问题,提出变量投影算法(VPAL),证明其收敛性并支持实时重建,优于sLORETA等方法。
2025-02-27 cs.NA eess.SP math.NA
On the convergence of stochastic variance reduced gradient for linear inverse problems
The Chinese University of Hong Kong(香港中文大学)
本文分析了SVRG及其正则化版本在希尔伯特空间中求解线性逆问题的收敛性,证明了在合适步长调度和正则性条件下,正则化SVRG可获得最优收敛速率,而标准SVRG在非光滑解问题中也具有最优性能。
2026-03-17 cs.NA math.NA math.OC
On a Dynamic Variant of the Iteratively Regularized Gauss-Newton Method with Sequential Data
对于众多的参数和状态估计问题,吸收新的数据,因为它们变得可用,可以帮助产生准确和快速的未知量的推断。虽然大多数现有的算法,用于解决这些不适定的反问题只能用于一个单一的实例的观测数据,在这项工作中,我们提出了一个新的框架,使现有的算法,以顺序的方式反转多个实例的数据。具体来说,我们将使用著名的迭代正则化高斯-牛顿方法(IRGNM),一种用于求解非线性反问题的变分方法。我们提出了一个理论的收敛性分析的动态IRGNM算法在高斯白噪声的存在。我们将此算法与经典的IRGNM提供一个实用的(混合)算法,可以依次反转数据,同时产生快速估计。我们的工作包括所提出的迭代方案的良好定义的证明,以及依赖于非线性反问题的标准假设的各种误差界。我们使用几个数值实验来验证我们的理论研究结果,并强调将序列数据的好处。数值实验的上下文包括各种参数识别问题,包括达西流椭圆PDE的例子,和电阻抗断层成像。
2022-07-27 cs.NA math.NA math.ST
Carleman--Picard and time-dimensional reduction for inverse initial-data problems in nonlinear transport with memory
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
针对带非线性与记忆效应的拟线性输运方程逆初值问题,本文采用Legendre--指数时空降维法结合Carleman权与Tikhonov正则化的Picard方法,实现含噪数据下初态的准确鲁棒重构,收敛迅速。
2026-08-11 cs.NA math.NA
Computation of transmission eigenvalues by the regularized Schur complement for the boundary integral operators
本文讨论了声逆散射理论中透射本征值的计算问题。该问题首先转化为一个二乘二边界系统的边界积分方程。其次,利用Schur补技术,我们开发了一个正则化Schur补算子,得到一个简化的边界积分方程系统。Nyström离散化,然后用于获得一个矩阵的本征值问题。我们采用递推积分法进行矩阵特征值的数值计算。数值结果表明,该方法是有效的,减少了计算量。
2021-03-01 cs.NA math.AP math.NA
An iterative thresholding algorithm for linear inverse problems with a sparsity constraint
本文提出一种迭代阈值算法,用于求解带稀疏性约束的线性逆问题,证明其收敛性并展示应用前景。
2003-11-02 cs.NA math.FA math.NA
On an inverse problem in the parabolic equation arising from groundwater pollution problem
Sai Gon University(西贡大学);Ton Duc Thang University(敦·塔克唐大学);Seoul National University(首尔国立大学);Gran Sasso Science Institute(格兰萨索科学研究所)
本文研究了确定抛物方程源项的逆问题,采用Tikhonov正则化方法解决该病态问题,并通过数值实验验证了先验和后验参数选择规则的误差估计效果。
2015-03-31 cs.NA math.AP math.NA
Regularization of Inverse Problems
这些研究生课堂讲稿介绍了希尔伯特空间中线性和非线性不适定算子方程的正则化理论。涵盖了正则化方法的一般框架及其通过谱滤波器的分析,以及Tikhonov正则化,Landweber迭代,线性反问题离散化正则化的具体例子。在非线性设置,Tikhonov正则化和迭代正则化(Landweber,Levenberg-Marquardt,和迭代正则化高斯-牛顿方法)进行了讨论。从泛函分析必要的背景也简要概述。最后,从频率论和贝叶斯的角度对统计逆问题进行了简要的展望。
2021-02-08 cs.NA math.FA math.NA
A-optimal design of experiments for infinite-dimensional Bayesian linear inverse problems with regularized $\ell_0$-sparsification
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出了一种高效方法,用于计算由偏微分方程支配的无限维贝叶斯线性逆问题的A-最优实验设计,通过正则化ℓ0-稀疏化技术减少参数估计的不确定性。
2014-05-27 cs.NA math.NA math.OC
Quantum Regularized Least Squares Solver with Parameter Estimate
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);School of Mathematics and Statistics, Wuhan University(武汉大学数学与统计学院)
本文提出了一种量子算法,用于确定Tikhonov正则化参数并求解病态线性方程,例如来自线性或非线性反问题有限元离散化的方程。对于固定正则化参数的正则化最小二乘问题,使用HHL算法并在具有更小条件数的扩展矩阵上工作。为了确定正则化参数,结合经典L-曲线和GCV函数,并设计量子算法并行计算正则化解的范数及其对应的残差,利用Grover搜索确定最佳正则化参数。该量子算法在正则化参数数量上实现二次加速,在问题规模维度上实现指数加速。
2018-12-24 cs.NA math.NA quant-ph
A Stochastic Iteratively Regularized Gauss-Newton Method
本文提出随机迭代正则化高斯-牛顿方法(SIRGNM),通过小批量随机草图化扩展经典反问题算法,在二维椭圆PDE实验中以相近精度显著降低计算时间。
2024-09-19 cs.NA math.NA math.OC
Two new non-negativity preserving iterative regularization methods for ill-posed inverse problems
许多反问题都与非负参数函数的估计有关。为了得到希尔伯特空间中不适定线性算子方程的非负稳定近似解,我们提出了两种新的非负保持迭代正则化方法.它们是基于不动点迭代结合预处理的思想。与投影Landweber迭代相比,当噪声水平趋于零时,正则化解只能显示弱收敛,引入的正则化方法具有强收敛性。有收敛的结果,即使是噪声的右手边和不完美的前向运营商的组合,并为其中的方法也有收敛速度的结果。特别适应的差异原则被用作所建立的迭代正则化算法的后验停止规则。对于所提出的新方法的应用,我们考虑一个生物传感器问题,这是建模为二维线性弗雷德霍姆积分方程的第一类。几个数值例子,以及与投影Landweber方法的比较,显示的精度和加速效果的新方法。一个真实数据问题的案例研究表明,所开发的方法可以产生有意义的特征正则化的解决方案。
2020-02-20 cs.NA math.NA math.OC
A Computationally Efficient Finite Element Method for Shape Reconstruction of Inverse Conductivity Problems
School of Mathematics, Harbin Institute of Technology(哈尔滨工业大学数学学院)
针对逆电导率问题现有迭代算法计算成本高的问题,提出将问题转化为变分形式的非迭代有限元形状重构方法,证明了理论合理性并通过数值算例验证了可行性。
2025-10-01 cs.NA math-ph math.MP