Algorithm 为所提出的算法制定凸优化有多重要?
我提出了一种新的稀疏编码算法,与基线相比,该算法具有良好的结果,但它具有非凸优化框架。 我用一个通用的解算器(如Matlab)解决了这个问题,虽然这个解是局部最优的,但它仍然比其他相关的方法好。Algorithm 为所提出的算法制定凸优化有多重要?,algorithm,optimization,publish,non-convex,Algorithm,Optimization,Publish,Non Convex,我提出了一种新的稀疏编码算法,与基线相比,该算法具有良好的结果,但它具有非凸优化框架。 我用一个通用的解算器(如Matlab)解决了这个问题,虽然这个解是局部最优的,但它仍然比其他相关的方法好。 那么,在凸环境中表述问题有多重要呢?特别是出版作品。来回答这个问题。确实,凸函数是可取的,但它不是一种方法或算法成功或可公开的必要条件 非凸问题通常很难处理。缓慢收敛(如果有)以及局部极小值和病理病例是难以避免的。然而,科学仍然在进步,因为在实践中,现实世界中的病例并不像看上去那样病态。如果您可以提供某
那么,在凸环境中表述问题有多重要呢?特别是出版作品。来回答这个问题。确实,凸函数是可取的,但它不是一种方法或算法成功或可公开的必要条件 非凸问题通常很难处理。缓慢收敛(如果有)以及局部极小值和病理病例是难以避免的。然而,科学仍然在进步,因为在实践中,现实世界中的病例并不像看上去那样病态。如果您可以提供某些担保,例如:
- 所有有效输入的收敛性:描述什么是保证收敛的有效输入。所用的数值方法非常重要,因为数值方法可以保证收敛
- 解决方案的特征:导致好结果和差结果的最佳和最坏条件是什么。病理病例也应具有特征
凸问题解决了收敛性要求,数值方法是众所周知的最佳方法。但是关于解决方案的特征,你需要提供相同的分析。你能保证在所有情况下收敛到有效的解决方案吗?@MauricioCeleLopezBelon在实践中收敛,但在数学上保证这一点之前,我需要检查一些事情。那么,你的意思是如果我从数学上保证方法的收敛性就足够了吗?至少应该保证收敛性。然后,应对解决方案的有效性进行表征。局部极小值给出好结果和差结果的情况与病理情况一样令人感兴趣,因此用户可以以某种方式减少或避免差结果。在我看来,如果一种方法已经被很好地理解并可以被接受出版。@MauricioCeleLopezBelon我认为,上述问题的一部分可以根据为优化选择的方法来回答,因为问题是非凸的。所以,也许我需要使用一个解算器,它的数学结构和收敛行为有更多的信息。当然,选择的数值方法是非常重要的。