导读:本文包含了投影梯度论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:梯度,算法,特征值,全局,层析,稀疏,在线。
投影梯度论文文献综述
封士永,陈蕾,郑贤舜,叶怡君,朱京玲[1]（2019）在《基于改进投影梯度的含分布式电源配电网潮流优化算法》一文中研究指出针对分布式电源渗透率越来越高、配电网系统快速增长的分布式电源消纳的问题,提出一种基于改进投影梯度的配电网分布式并行潮流优化(distributed parallel flow optimization for distribution networks,DPFOD)算法。结合递归拉格朗日投影梯度方法,基于同步计算机制协同控制DPFOD算法的并行计算,并在智能配电网传输系统上周期性执行,使得每次执行时间小于分布式电源发电量的变化时间,实现对分布式电源快速变化的发电量的实时处理。最后,在26-总线系统上验证提出算法最优解的正确性,仿真结果表明DPOPD算法能够足够快地处理大规模的分布式电源快速变化的发电量。(本文来源于《电气自动化》期刊2019年06期）
童皖彬,凌晨,何洪津[2]（2019）在《改进的谱投影梯度法解张量特征值互补问题》一文中研究指出对于对称且严格协正的张量,其张量特征值互补问题的特征值计算可等价为求解对应优化问题的稳定点。提出一种改进的谱投影梯度算法用于求解张量特征值互补问题的Pareto-特征值,并分析该算法的全局收敛性。数值结果表明:高维张量的情形下,改进后的谱投影梯度算法比现有的谱投影梯度算法在迭代次数和计算时间方面有较明显的优势,对初始迭代点的依赖程度较低,有较好的稳定性。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2019年06期）
张立峰,宋亚杰[3]（2019）在《基于梯度投影稀疏重建算法的电容层析成像图像重建》一文中研究指出为解决两相流中存在中心物体、物体比较小或存在多个物体且相距较近时电容层析成像(ECT)重建图像精度较差的问题,基于稀疏分布的流型其介电常数分布满足稀疏性的先验条件,采用梯度投影稀疏重建(GPSRBB)算法进行ECT图像重建。仿真及实验测试结果表明:GPSR-BB算法对于流体中小目标以及复杂流型的图像重建质量较好,重建图像的形状保真度高。(本文来源于《计量学报》期刊2019年04期）
潘金凤,徐芝美,徐秀美[4]（2019）在《基于改进回溯线搜索的二维梯度投影法》一文中研究指出压缩感知的二维与一维方法相比,在对图像进行压缩观测时可以更好地保持其结构信息,因而能够提高压缩观测图像的重构质量.通过改进基于全变差正则化的二维梯度投影压缩感知算法,对该算法中全变差最小化进行求解,提出了一种改进的回溯线搜索方法以优化其中梯度下降法的步长选择方法,从而提高了重建图像的质量和算法的收敛速度.实验结果表明,将改进的步长选择方法应用于二维梯度投影算法之后,重建图像的主观质量和峰值信噪比都得到提高,同时算法的迭代次数减少,收敛速度更快.(本文来源于《中北大学学报(自然科学版)》期刊2019年05期）
许春玲,孙颖异,李健,孙中波[5]（2019）在《一类线性等式约束优化的投影Dai-Yuan共轭梯度法及其全局收敛性》一文中研究指出针对具有等式约束的非线性最优化问题,提出了一类具有充分下降特性的投影Dai-Yuan共轭梯度法.在每次迭代过程中,算法均可得到充分下降的搜索方向.在适当条件下,证明了算法产生的搜索方向为可行下降方向,分析了算法的全局收敛性.数值结果表明算法是可行的、有效的.(本文来源于《东北师大学报(自然科学版)》期刊2019年02期）
郑全昌[6]（2019）在《稀疏分裂可行问题的投影梯度类算法》一文中研究指出稀疏分裂可行问题是指带有稀疏约束的分裂可行问题.稀疏约束是指变量的大多数元素为零,或者变量的非零分量数目不超过某一给定值.分裂可行问题产生于工程实践,是最优化问题中非常重要的一类问题.这类问题在回归分析、压缩感知、模式识别、机器学习等领域有着广泛应用.近年来,随着压缩传感技术广泛运用于图像恢复、信号处理等方面,要求变量具有稀疏性.由于变量的稀疏性,使得许多传统的算法无法用于解决稀疏分裂可行问题,因此对稀疏分裂可行问题的算法研究是比较有意义的.本文共分为四章,其结构安排如下:第一章主要介绍了稀疏分裂可行问题的基本概念、研究现状以及本文的主要工作.第二章给出了求解稀疏分裂可行问题的投影梯度拟牛顿算法.在这种算法下,不需要考虑矩阵的s-正则性以及目标函数的二阶可微性,因此避免了计算目标函数的Hesse矩阵.证明了此算法产生的迭代点列的任意聚点都是稀疏分裂可行问题的α-稳定点.最后给出数值例子验证了算法的有效性.第叁章提出了求解稀疏分裂可行问题的一种带有新步长规则的投影梯度算法.在这种步长规则下,可以使目标函数在每一步有一个充分的下降量.证明了此算法生成的迭代点列能够收敛到稀疏分裂可行问题的一个解上.最后给出数值例子验证了算法的可行性.第四章总结了本文的研究内容,并提出了进一步研究的方向.(本文来源于《曲阜师范大学》期刊2019-06-12）
宛袁玉[7]（2019）在《基于随机投影的高效自适应次梯度方法》一文中研究指出在线学习是一个计算高效且具备理论保障的通用学习框架,能够利用实时收集的数据快速地进行参数更新。随着大数据时代的来临,为了处理规模大、增长快的数据,在线学习受到越来越多的关注。自适应次梯度方法由于可以动态地利用已观测数据的几何结构去指导参数更新而成为常用的在线学习方法。根据使用的信息量大小,自适应次梯度方法可以被划分为对角矩阵版本和全矩阵版本。由于全矩阵版本处理高维数据时需要难以接受的开销,对角矩阵版本在实践中被广泛应用。然而,对角矩阵版本仅仅维护了梯度外积矩阵的对角线元素,无法捕捉梯度之间的相关性。当高维数据是稠密且具备低秩或近似低秩特性时,它的效果会比全矩阵版本差。本文主要研究如何在不影响性能的前提下降低自适应次梯度方法的复杂度,取得了以下进展:第一,针对全矩阵版本自适应次梯度方法复杂度过高的问题,提出基于梯度投影的高效自适应次梯度方法。该方法的核心思想是利用随机投影方法去生成一个可以近似梯度外积矩阵的低秩矩阵。在后续的计算过程中,我们通过维护和操作这个低秩矩阵去加速梯度外积矩阵的开方和求逆运算,从而得到一种更加高效的自适应次梯度方法。实验结果表明,该方法取得了与全矩阵版本自适应梯度方法相接近的效果,并显着地降低了运行时间。然而,该方法在参数更新过程中存在依赖性问题,我们难以利用现有的数学工具从理论上分析其遗憾上界。第二,针对基于梯度投影的高效自适应梯度方法不具备遗憾上界的问题,进一步提出基于数据投影的高效自适应次梯度方法。具体而言,对于机器学习领域常见的广义线性模型,我们首先提出将全矩阵版本自适应次梯度方法中的梯度外积矩阵替换为数据外积矩阵,这一简单的变化直接避免了基于梯度投影的方法中存在的依赖性问题。然后再利用随机投影方法去生成一个可以近似数据外积矩阵的低秩矩阵,并利用该低秩矩阵加速参数更新,得到与基于梯度投影的方法相同的存储和计算复杂度。更重要的是,我们通过理论分析建立了该方法的遗憾上界。理论结果表明,针对广义线性模型,当数据具备低秩或近似低秩特性时,该方法的性能与全矩阵版本的性能相接近。实验结果表明,该方法取得了与基于梯度投影的方法相似的效果,成功降低了全矩阵版本的复杂度。(本文来源于《南京大学》期刊2019-05-24）
杨志军,陈超然,黄观新[8]（2019）在《面向机器人优化设计的GA-非均匀Kriging-梯度投影混合全局优化算法》一文中研究指出针对机器人优化设计等工程应用中普遍存在的黑箱问题,提出了一种高效、稳定的遗传算法-非均匀Kriging-梯度投影混合全局优化(Hybrid global optimization, HGO)算法。该方法使用非均匀Kriging模型对目标函数进行评估,能够在不苛求近似模型全局精度的情况下保证优化过程的精度,并节省大量计算时间。使用梯度投影法对遗传算法种群进行变异,可以在提升优化收敛效率的同时确保优化约束条件,从而可以避免使用并不严格的罚函数法处理约束函数。为验证算法的有效性和优越性,将本算法应用于两个数学测试算例和一个模块化机械臂截面优化实例中,并与其他优化算法比较。结果表明,本算法能够兼顾结果精度、优化效率和算法稳定性,发挥更好的综合性能,从而实现对工程问题的全局优化设计。(本文来源于《机械工程学报》期刊2019年11期）
兰天维,韩立国,张良[9]（2019）在《基于压缩感知的L1范数谱投影梯度算法地震数据重建》一文中研究指出随着油气勘探的发展,采集的数据规模与复杂度越来越大,对这些数据进行重建的精度与效率影响到后续地震资料的处理效果。常用于地震数据重建的压缩感知理论与重建算法各有精度与效率的优势,因此对于大规模、复杂地震数据,综合考虑重建精度与计算时间,提出了一种基于压缩感知理论和L1范数谱投影梯度算法(SPGL1)的地震数据重建方法。首先根据地震数据的缺失情况选择采样矩阵,然后在contourlet域中采用L1范数谱投影梯度算法重建缺失的稀疏系数,最后进行contourlet反变换实现地震数据的重建。合成地震数据实验结果表明,基于压缩感知和L1范数谱投影梯度算法重建的地震数据精度较好,计算效率高。通过实际地震资料处理,对比了相同稀疏变换基情况下常用的贪婪算法中的正交匹配追踪(OMP)、梯度投影稀疏重建算法(GPSR)及L1范数谱投影梯度算法(SPGL1)的应用效果,发现基于压缩感知的L1范数谱投影梯度算法鲁棒性较好,受噪声影响小,重建精度高,并且兼顾了计算效率的需求。(本文来源于《石油物探》期刊2019年02期）
董文丽,何帆,章旭[10]（2019）在《基于模拟退火准则的谱投影梯度算法》一文中研究指出针对简单凸集约束优化问题,提出了一种基于模拟退火准则的谱投影梯度方法.在适当的假设下,证明了算法的全局收敛性.数值实验结果表明,与已有的算法比较,本文所提出的算法在求解该类问题时更有效、更具竞争力.(本文来源于《湖南理工学院学报(自然科学版)》期刊2019年01期）
投影梯度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对于对称且严格协正的张量,其张量特征值互补问题的特征值计算可等价为求解对应优化问题的稳定点。提出一种改进的谱投影梯度算法用于求解张量特征值互补问题的Pareto-特征值,并分析该算法的全局收敛性。数值结果表明:高维张量的情形下,改进后的谱投影梯度算法比现有的谱投影梯度算法在迭代次数和计算时间方面有较明显的优势,对初始迭代点的依赖程度较低,有较好的稳定性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
投影梯度论文参考文献
[1].封士永,陈蕾,郑贤舜,叶怡君,朱京玲.基于改进投影梯度的含分布式电源配电网潮流优化算法[J].电气自动化.2019
[2].童皖彬,凌晨,何洪津.改进的谱投影梯度法解张量特征值互补问题[J].杭州电子科技大学学报(自然科学版).2019
[3].张立峰,宋亚杰.基于梯度投影稀疏重建算法的电容层析成像图像重建[J].计量学报.2019
[4].潘金凤,徐芝美,徐秀美.基于改进回溯线搜索的二维梯度投影法[J].中北大学学报(自然科学版).2019
[5].许春玲,孙颖异,李健,孙中波.一类线性等式约束优化的投影Dai-Yuan共轭梯度法及其全局收敛性[J].东北师大学报(自然科学版).2019
[6].郑全昌.稀疏分裂可行问题的投影梯度类算法[D].曲阜师范大学.2019
[7].宛袁玉.基于随机投影的高效自适应次梯度方法[D].南京大学.2019
[8].杨志军,陈超然,黄观新.面向机器人优化设计的GA-非均匀Kriging-梯度投影混合全局优化算法[J].机械工程学报.2019
[9].兰天维,韩立国,张良.基于压缩感知的L1范数谱投影梯度算法地震数据重建[J].石油物探.2019
[10].董文丽,何帆,章旭.基于模拟退火准则的谱投影梯度算法[J].湖南理工学院学报(自然科学版).2019
论文知识图
