On Steepest-Descent-Kaczmarz Methods for Regularizing Systems of Nonlinear Ill-posed Equations
IMPA(巴西国家纯数学和应用数学研究所);University of Innsbruck(因斯布鲁克大学);Federal University of St. Catarina(圣卡塔琳娜联邦大学)
研究结合跳跃卡奇马兹策略的修正最速下降法,用于稳定求解非线性不适定算子方程组,并证明其收敛正则化性质。
2008-08-03 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
Numerical Instabilities in the Kaczmarz Method and Stabilization by Iterative Refinement
University of Michigan(密歇根大学);University of California, Berkeley(加州大学伯克利分校);University of California, Los Angeles(加州大学洛杉矶分校)
本文研究了经典和加速随机Kaczmarz方法的稳定性问题,指出其缺乏前向稳定性,并提出通过迭代细化来控制误差累积,恢复高精度解,实验验证了该方法的有效性。
2026-05-16 cs.NA math.NA
An entropic Landweber method for linear ill-posed problems
本文的目的是探讨使用熵投影方法的迭代正则化的线性不适定问题。我们推导出一个封闭形式的解决方案的迭代和分析其收敛行为的情况下,重建一般的非负未知数,以及为了恢复概率分布。此外,我们讨论了几个变种的算法和文献中的其他方法的关系。在几个例子中的数值方法的有效性进行了研究。
2019-07-01 cs.NA math.NA math.OC
Error estimates of Kaczmarz and randomized Kaczmarz methods
Kaczmarz方法是求解相容系统$Ax = b$的一种迭代投影格式。后来,它被推广到不一致和不适定的线性问题。但经典的Kaczmarz方法对相邻方程的相关性很敏感。为了减小相关性对收敛速度的影响,分别提出了随机化Kaczmarz方法和随机化块Kaczmarz方法。在现有文献中,这些方法的误差估计结果都是基于误差$\|x_k-x_*\|_2$建立的,其中$x_*$是线性系$Ax=b$的解。本文在KunioTanabe收敛定理的基础上,推广了Kaczmarz方法和随机Kaczmarz方法的现有误差估计,得到了关于误差$\|x_k-P_{N(A)}x_0-x^\dagger\|_2$的一些一般性结果.
2022-10-02 cs.NA math.NA
Bouligand-Landweber iteration for a non-smooth ill-posed problem
University of Duisburg-Essen(杜伊斯堡-埃森大学)
本文研究了一个非光滑非线性病态问题的迭代正则化,其中前向映射仅方向上可微但不Gâteaux可微。通过使用Bouligand子导数,可以应用改进的Landweber方法,但标准分析不适用,因为Bouligand子导数映射除非前向映射Gâteaux可微否则不连续。因此,本文提供了一种基于渐近稳定性的改进Landweber方法的新收敛分析,仅需一般的切线锥条件。这些条件被验证为一个具有非光滑Lipschitz连续非线性的椭圆PDE的反源问题,证明了对应的Bouligand-Landweber迭代在精确数据以及数据趋近于零时,若按照不相容原理停止迭代,能够强收敛。
2019-02-12 cs.NA math.NA math.OC
Accelerated Landweber methods based on co-dilated orthogonal polynomials
University of Lübeck(吕贝克大学)
通过修改ν-方法的三项递推系数引入加速Landweber方法,利用共扩张超球多项式提高残差多项式在原点处的衰减速度,保持相同收敛阶,并开发自适应参数选择方案。
2012-12-20 cs.NA math.NA
A doubly stochastic block Gauss-Seidel algorithm for solving linear equations
本文提出了一种求解线性系方程组的简单双随机块Gauss-Seidel算法。通过改变系数矩阵的行划分参数和列划分参数,我们恢复了Landweber算法、随机Kaczmarz算法、随机Gauss-Seidel算法和双随机Gauss-Seidel算法.对于一般的线性系(相容或不相容),我们通过精确公式证明了期望迭代的{ \it范数}的指数收敛性.对于相容线性系,我们证明了{ \it误差和残差的期望范数}的指数收敛性。数值实验表明了该算法的有效性。
2020-07-08 cs.NA math.NA
A greedy double-block nonlinear Bregman-Kaczmarz method for nonlinear equations
College of Science, China University of Petroleum(中国石油大学理学院)
针对非线性方程稀疏解问题,提出贪心双块非线性Bregman-Kaczmarz方法,建立其理论收敛速率,数值实验验证该方法性能更优。
2026-10-14 cs.NA math.NA
Analysis of Generalized Iteratively Regularized Landweber Iterations driven by data
本文受数据驱动思想启发,研究广义迭代正则化 Landweber 方法,证明其在线性与非线性不适定问题中的收敛性和稳定性,并通过 Radon 变换数值实验验证。
2023-12-06 cs.NA math.NA
On a family of gradient type projection methods for nonlinear ill-posed problems
针对满足切锥条件(TCC)的非线性不适定问题,提出并分析了一族与Landweber方法步长方向相同的逐次投影方法.这类方法包括Landweber方法、最小误差方法和最速下降方法,为分析这些方法提供了一个统一的框架。此外,我们在这个家庭中定义新的方法是收敛的TCC常数的范围内的两倍大的Landweber和其他梯度型方法所需的。TCC被广泛应用于求解非线性不适定问题的迭代法分析中。在这项工作中的关键思想是使用TCC,以构建特殊的凸集具有分离性,并在这些集上的投影。对一个非线性二维椭圆参数识别问题进行了数值实验,验证了该方法的有效性。
2020-11-12 cs.NA math.NA
Randomized Kaczmarz method with adaptive stepsizes for inconsistent linear systems
我们研究了随机Kaczmarz方法,自适应更新的步长使用现成的信息解决不一致的线性系。一个新的几何解释,这表明该方法可以被看作是一个正交投影方法在某种意义上。我们证明了该方法线性期望收敛于该线性系的唯一最小欧氏范数最小二乘解,并给出了该方法收敛性的一个紧上界.数值实验也验证了理论结果。
2023-03-16 cs.NA math.NA
A Reduced Basis Landweber method for nonlinear inverse problems
University of Stuttgart(斯图加特大学)
本文提出结合缩减基方法的非线性Landweber方法,用于解决高维参数空间中的非线性逆问题,通过适应性在线缩减基更新提升计算效率,应用于热方程导电率反演。
2018-05-04 cs.NA math.NA
Randomized double and triple Kaczmarz for solving extended normal equations
随机Kaczmarz算法由于其简单、快速和近似求解大规模线性系方程组的能力而受到广泛关注。本文提出了求解$\bf A^\top Ax=A^\top b-c$形式的扩展正规方程的随机双Kaczmarz算法和三Kaczmarz算法。所提出的算法避免了显式地形成$\bf A^\top A$,并且适用于{ \it arbitrary} $\mbf A\in\mbbr^{m\times n}$(满秩或秩亏,$m\geq n$或$m<n$)。给出了算法均方指数收敛的{ \it Tight}上界,并给出了数值实验.
2020-10-27 cs.NA math.NA
Read Between the Hyperplanes: On Spectral Projection and Sampling Approaches to Randomized Kaczmarz
University of California, Irvine(加州大学尔湾分校)
本文提出通过行间关系和谱多样性行采样改进随机Kaczmarz方法,以加速病态和过定线性系统的收敛。
2026-02-28 cs.NA math.NA
On spectral properties and fast initial convergence of the Kaczmarz method
Technical University of Denmark(丹麦技术大学);TU Eindhoven(埃因霍温理工大学)
本文研究了Kaczmarz方法的谱性质及快速初始收敛性,通过谱分析和统计分析揭示了其快速收敛机制及半收敛性原因。
2026-01-12 cs.NA math.NA
Two-dimensional greedy randomized Kaczmarz methods for solving large-scale linear systems
针对大规模线性系统求解,提出基于贪婪选择和半随机策略的二维随机Kaczmarz方法,理论上证明其收敛于唯一最小范数解,且数值实验显示其在计算时间上优于现有方法。
2025-06-26 cs.NA math.NA
Two-dimensional greedy randomized extended Kaczmarz methods
本文提出二维贪心随机扩展Kaczmarz方法及其半随机改进版,通过每次迭代选取残差中两个较大条目对应的两行两列,加速大规模最小二乘求解,数值实验显示计算时间更优。
2025-06-19 cs.NA math.NA
Regularization of systems of nonlinear ill-posed equations: I. Convergence Analysis
在这篇文章中,我们开发和分析新的迭代正则化技术的解决方案的非线性不适定的算子方程。其基本思想是分别考虑该系统的每个方程,并结合一个跳跃策略。第一种技术是Kaczmarz型方法,配备了一个新的停止标准。第二种方法是使用嵌入策略获得的,并且再次使用Kaczmarz类型的方法。我们证明了这两种方法的适定性,稳定性和收敛性。
2020-11-19 cs.NA math.NA
Inertial randomized Kaczmarz algorithms for solving coherent linear systems
本研究针对相干线性系统求解问题,将双子空间Kaczmarz方法视为交替惯性随机Kaczmarz算法并提出更优收敛速率估计,进一步提出多步惯性随机Kaczmarz算法加速收敛,实验验证其性能显著更优。
2023-06-14 cs.NA math.NA math.OC
Modified iterated Tikhonov methods for solving systems of nonlinear ill-posed equations
研究了求解不适定非线性算子方程稳定解的迭代Tikhonov方法和Kaczmarz策略。我们证明了该方法是一个收敛的正则化方法。在噪声数据的情况下,我们提出了一种修改,所谓的loping迭代Tikhonov-Kaczmarz方法,其中引入了一系列的松弛因子和不同的停止规则使用。文中还给出了该方法的收敛性分析。
2020-12-22 cs.NA math.NA
Average block nonlinear Kaczmarz methods with adaptive momentum for nonlinear systems of equations
School of Mathematics and Computational Science, Xiangtan University(湘潭大学数学与计算科学学院);Hunan Research Center of the Basic Discipline Fundamental Algorithmic Theory and Novel Computational Methods, School of Mathematics and Computational Science, Xiangtan University(湘潭大学数学与计算科学学院基础学科基本算法理论与新型计算方法湖南省研究中心);Department of Mathematics, The Chinese University of Hong Kong(香港中文大学数学系)
本文提出一种适用于大规模非线性系统和病态问题的自适应动量平均块非线性Kaczmarz方法,通过自适应选择步长和动量系数,提高了计算效率并证明了收敛性。
2026-03-27 cs.NA math.NA
Randomized Kaczmarz methods for t-product tensor linear systems with factorized operators
本文扩展随机Kaczmarz方法以求解t-积张量线性系统,利用因子化算子近似求解一致与不一致问题,提供指数收敛保证并联系早期方法。
2024-12-13 cs.NA math.NA
Randomized regularized extended Kaczmarz algorithms for tensor recovery
最近提出了随机正则化Kaczmarz算法来求解具有{ \it consistent}线性测量的张量恢复模型。在这项工作中,我们提出了一种新的算法的基础上的随机扩展Kaczmarz算法(在期望线性收敛到唯一的最小范数最小二乘解的线性系)的张量恢复模型与{ \it不一致}的线性测量。证明了算法在期望条件下的线性收敛。最后给出了张量最小二乘问题和稀疏张量恢复问题的数值实验。
2021-12-16 cs.NA math.NA math.OC
On Quantile Randomized Kaczmarz for Linear Systems with Time-Varying Noise and Corruption
本文证明了分位数随机Kaczmarz方法在存在随时间变化的噪声和损坏的大规模线性系统中仍能收敛至一定范围,并给出了残差揭示损坏的概率下界。
2024-12-23 cs.NA math.NA
The Randomized Kaczmarz Method with Mismatched Adjoint
本文研究的随机版本的Kaczmarz方法来解决线性系的情况下,伴随的系统矩阵是不准确的-一种情况下,我们称之为“失配伴随”。我们证明了在适当的条件下,该方法在超定和欠定相容情形下仍然是收敛的,并计算了线性收敛的期望渐近速度。此外,我们分析了不一致的情况下,得到的结果与标准方法的不匹配伴随的方法。最后,我们推导出一种方法来计算优化的概率选择的行,并说明我们的研究结果与数值例子。
2018-03-07 cs.NA math.NA math.OC
An adaptive heavy ball method for ill-posed inverse problems
本文针对线性和非线性不适定反问题,提出一种结合强凸正则化与自适应步长、动量系数的重球方法,在偏差原则终止下建立正则化性质,并通过数值实验证明其相比Landweber型方法显著减少迭代次数和计算时间。
2024-04-04 cs.NA math.NA math.OC
An Accelerated Randomized Kaczmarz Algorithm
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文提出一种加速随机Kaczmarz算法,用于解决病态线性系统,相比标准算法在收敛性上有优势,同时提出高效实现SARK以应对稀疏情况。
2014-06-07 cs.NA math.NA math.OC
On the relaxed greedy randomized Kaczmarz methods with momentum acceleration for solving matrix equation AXB=C
本文针对矩阵方程 AXB=C,在 ME-RGRK 方法中引入 Polyak 和 Nesterov 动量加速收敛,证明其线性收敛到最小 Frobenius 范数最小二乘解,并通过数值实验和曲面拟合应用验证有效性。
2023-01-30 cs.NA math.NA
Robust Kaczmarz methods for nearly singular linear systems
National Center for Applied Mathematics in Chongqing, Chongqing Normal University(重庆师范大学国家应用数学中心);Chongqing Research Institute of Big Data, Peking University(北京大学重庆大数据研究院)
本文提出了一种鲁棒的核增强Kaczmarz方法,用于解决近奇异线性系统,实现了统一的收敛速率和鲁棒性。
2026-02-25 cs.NA math.NA math.OC
Convergence of the gradient method for ill-posed problems
研究梯度下降法在求解病态问题中的收敛性,提出新的非线性条件证明弱和强收敛性,扩展了经典切线锥条件。
2016-06-01 cs.NA math.NA
Adaptive Bregman-Kaczmarz: An Approach to Solve Linear Inverse Problems with Independent Noise Exactly
针对每次访问分块都产生独立新噪声的线性反问题,本文提出带可估计自适应步长的分块 Bregman-Kaczmarz 方法,证明其可精确收敛,并通过数值实验验证有效性。
2024-05-09 cs.NA math.NA math.OC
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
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
Stochastic Data-Driven Bouligand Landweber Method for Solving Non-smooth Inverse Problems
本文提出随机数据驱动Bouligand Landweber方法,用于求解非光滑不适定逆问题系统,结合训练数据指导迭代,并证明其在精确和噪声数据下的收敛性与稳定性。
2024-02-07 cs.NA math.CA math.FA
Uncertainty Quantification for Landweber Iteration with Randomized Normal-Operator Approximation
University of Manchester(曼彻斯特大学);Case Western Reserve University(凯斯西储大学)
本研究针对线性逆问题中的Landweber迭代,结合随机奇异值分解的低秩近似与广义fiducial推断,提出一种量化重建不确定性的方法,在降低计算成本的同时提供准确重建和可靠置信区间。
2026-10-02 cs.NA math.NA math.ST
Convergence Analysis of Nonlinear Kaczmarz Method for Systems of Nonlinear Equations with Component-wise Convex Mapping
本文提出相对梯度差异条件,证明非线性 Kaczmarz 方法在多种指标选择策略下的收敛性与收敛速率,并建立其在多光谱 CT 图像重建中的全局收敛保证。
2024-01-24 cs.NA math.NA physics.med-ph
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
Randomized Kaczmarz Algorithm for Inconsistent Linear Systems: An Exact MSE Analysis
我们提供了一个完整的刻画随机Kaczmarz算法(RKA)的不相容线性系。卡茨马兹算法(英语:Kaczmarz algorithm),在某些领域被称为代数重建技术,是一种通过一系列投影算子求解大规模超定线性系的经典方法;随机卡茨马兹算法(英语:Randomized Kaczmarz algorithm)是Strohmer和Vershynin最近提出的一种将投影序列随机化以保证解的指数收敛(均方)的方法。随着这一发展,一系列的工作随之而来,人们对算法、其扩展及其性能的各种界限重新产生了兴趣。前面,我们研究了相容线性系的特殊情况,并提供了RKA重建值的均方误差(MSE)的精确公式,以及计算误差精确衰减率的简单方法。在这项工作中,我们考虑的情况下,不一致的线性系,这是一个更相关的情况下,大多数应用程序。首先,通过使用“提升技巧”,我们推导出一个精确的公式的MSE给定一个固定的噪声矢量添加到测量。然后,我们展示了如何平均噪声时,它是从一个已知的第一和第二顺序统计量分布。最后,我们通过数值模拟证明了我们的精确MSE公式的准确性,这也说明了文献中以前的上界可能高出几个数量级。
2015-02-01 cs.IT cs.NA math.IT
Generalized Gearhart-Koshy acceleration is a Krylov subspace method
本文证明广义Gearhart-Koshy加速可解释为求解与原相容非方形线性方程组等价的方形方程组的Krylov子空间方法,给出其Gram-Schmidt正交化等价形式并通过数值实验验证收敛性。
2025-06-17 cs.NA math.NA
Non-convexly constrained linear inverse problems
University of Southampton(南安普顿大学)
针对非凸约束下的病态线性逆问题,本文提出类似投影Landweber的迭代算法并推导稳定反演的理论性质,将稀疏约束下有限维线性系统的高效反演推广到Hilbert空间和更一般的非凸约束。
2009-11-26 cs.NA math.NA
A fast solver for ill-conditioned linear systems using randomized stable solutions of its blocks
Indian Institute of Science(印度科学学院)
提出一种改进的基于行的随机块Kaczmarz方法,通过块更新正则化和基于残差与块间正交性的动态提议分布,高效求解病态稀疏或稠密最小二乘问题,可作为预求解器加速其他迭代方法。
2026-06-17 cs.NA math.NA
Solving Severely Ill-Posed Linear Systems with Time Discretization Based Iterative Regularization Methods
近年来,反问题在计算数学中引起了越来越多的关注,在工程应用中也变得越来越重要。离散化后,许多反问题转化为线性系。由于反问题的病态性,降阶线性系往往是病态的,特别是当其规模很大时。这带来了很大的计算困难。特别地,在不适定的线性系的右侧的一个小扰动可能导致解的剧烈变化。因此,对于稳定解,应采用正则化方法。本文将一类新的加速迭代正则化方法应用于求解这类大型不适定线性系。迭代格式只有在迭代提前终止时才成为正则化方法。Morozov的差异原则适用于停止准则。与传统的Landweber迭代相比,新方法具有加速效果,可与著名的加速v-方法和Nesterov方法相媲美。数值结果表明,在适当的离散格式下,所提出的方法甚至比v-方法和Nesterov方法具有更好的性能.
2022-04-06 cs.NA math.NA
Bouligand-Levenberg-Marquardt iteration for a non-smooth ill-posed inverse problem
在本文中,我们考虑一个修改的Levenberg-Marquardt方法解决不适定的反问题的前向映射是不Gâteaux可微的。通过放松经典光滑设置的标准假设,我们得到渐近稳定性估计,然后用于证明所提出的方法的收敛性。这种方法可以应用到一个反源问题的非光滑半线性椭圆型偏微分方程的Bouligand次微分可以用来代替不存在的Fréchet导数,我们证明了相应的Bouligand-Levenberg-Marquardt迭代是一个迭代正则化方案。数值例子说明了相应的Bouligand-Landweber迭代的优势。
2019-06-23 cs.NA math.NA math.OC
On the Convergence of Stochastic Gradient Descent for Nonlinear Ill-Posed Problems
本文研究了希尔伯特空间中一类非线性不适定反问题的有效数值解的随机梯度下降的正则化性质。在迭代的每一步,该方法从非线性系统中随机选取一个方程,得到梯度的无偏随机估计,然后用估计的梯度进行下降步。它是经典的Landweber方法的非线性反问题的一个随机版本,它是高度可扩展的问题的大小,并具有解决大规模反问题的显着潜力。在正则切锥条件下,证明了先验停止规则的正则化性质,并在适当的源方向条件和范围不变性条件下建立了收敛速度。
2019-07-06 cs.NA math.NA math.OC
Regularization of linear inverse problems by rational Krylov methods
Industrial Mathematics Institute, Johannes Kepler University(工业数学研究所,约翰·开普勒大学)
本文通过有理Krylov方法对线性反问题进行正则化,证明其在结合残差原理和大正则化参数时具有最优阶的正则化效果。
2026-01-15 cs.NA math.NA
Randomized iterative methods for generalized absolute value equations: Solvability and error bounds
本文研究非方系数矩阵广义绝对值方程的随机迭代求解,建立可解性充要条件与误差界,并提出涵盖 Picard 迭代和随机 Kaczmarz 方法的统一算法框架,证明其几乎必然收敛和线性收敛速率。
2025-05-10 cs.NA math.NA
On the Polyak momentum variants of the greedy deterministic single and multiple row-action methods
针对相容线性方程组,结合贪婪选行与 Polyak 重球动量提出确定性单行及多行作用方法,证明其线性收敛至最小范数最小二乘解,并用数值实验和几何设计数据拟合验证。
2022-12-13 cs.NA math.NA
Generalized SART Methods for Tomographic Imaging
University of Goettingen(哥廷根大学)
本文提出了一种通用SART方法,用于解决断层成像中的各种复杂问题,通过高效的计算方案实现了非二次或非凸数据保真项的正则化重建,适用于平行束和锥形束设置,并展示了在多色CT和X射线相位对比断层成像中的应用。
2019-01-10 cs.NA math.NA physics.med-ph
On the Convergence of Randomized and Greedy Relaxation Schemes for Solving Nonsingular Linear Systems of Equations
我们扩展的结果已知的随机高斯-赛德尔和高斯-Southwell方法的情况下,一个埃尔米特和正定矩阵的某些类的非埃尔米特矩阵。我们得到的收敛结果的整个范围内的参数描述的概率在随机化方法或贪婪的选择策略中的高斯-Southwell型方法。我们确定这些选择,使我们的收敛界限最好的可能。我们的主要工具是使用加权l1-范数来度量残差。一个主要的结果是,我们获得的最佳收敛界的期望值的随机算法是最好的确定性,但更昂贵的算法的高斯-Southwell型。数值实验表明了该方法的收敛性和得到的界。与随机Kaczmarz方法的比较。
2022-09-08 cs.NA math.NA
A sketch-and-project method for solving the matrix equation AXB = C
提出一种基于优化问题的草图与投影方法求解矩阵方程 AXB=C,给出收敛速率下界与含秩亏缺情形的收敛条件,并通过参数选择恢复多种已知算法及 GaussGRK,数值实验验证其有效性。
2023-06-06 cs.NA math.NA
A Preconditioner based on Non-uniform Row Sampling for Linear Least Squares Problems
本文提出一种基于非均匀行采样的预处理方法,用于解决线性最小二乘问题,通过非均匀行采样保持稀疏性并改善高过定矩阵的条件数。
2018-06-08 cs.NA math.NA