压缩感知和稀疏优化简介

介绍压缩感知和稀疏优化的基本概念、理论基础和算法概要,压缩感知利用原始信号的稀疏性,从远少于信号元素个数的测量出发,通过求解稀疏优化问题来恢复完整的原始稀疏信号,通过一个小例子展示这一过程,并以此说明压缩感知和稀疏优化的基本理念,接着简要介绍用以保证(?)_1凸优化恢复稀疏信号的零空间性质和RIP条件,最后介绍求解稀疏优化的几个经典算法。

善用HTML“HEAD”段制作web

最新的HTML3.2版已经正式发布,它包括了许多“HEAD”段元素。利用它们,我们能更详尽地描述web,更精确地定制我们的web。 尽管它刚刚颁布不久,但一些浏览器的高版本,诸如Netscape Communicater(Net-scap 4.0)、Intenet exptor3.01、Netscape 3.0等版本已支持大部分的HTML3.2元素,前提是必须在web首行加上<！DOCTYPE HTML PUBLIC'-//W3C//DTD HTML 3.2Final//EN'>。我们叫它描述标题元素(descriptive title element)。 如今,多数国内的主页通常为: A title <BODY...> ......

无中心优化的算子分裂方法

在某些多智能体系统中,由于受到通讯等因素的限制,单个智能体只能进行本地计算,再与相邻智能体交换数据.与传统的并行和分布式计算不同,这种数据交换方式不再使用中心节点或者共享内存,而仅限于相邻节点之间.这种通过局部数据交换而实现全网目标的方式叫做无中心计算.比如,从任意的多个数开始,所有智能体通过不断地计算其局部平均,就都能收敛到这些数的平均值.无中心计算有不易形成通讯和计算瓶颈的优点,更适合分布的节点,因此受到一些应用的欢迎.本文介绍求解一致最优化问题的若干无中心算法.一致最优化问题的目标是全网所有节点的变量收敛到同一个、并使所有目标函数之和最小的值.我们可以通过推广求平均的无中心方法去实现这个目标,但是得到算法比普通(有中心的)优化算法收敛得更慢,有阶数差距.近年来,一些新的无中心算法弥补了这个阶数差距.本文采用算子分裂的统一框架,以比这些算法原文更为简单的形式介绍这些方法.