求解非凸正则化问题的L-BFGS算法

该文提出一种求解大规模l_(1)、平滑剪切绝对偏差(SCAD)和极小极大凹罚(MCP)问题的有限内存拟牛顿方法(L-BFGS)算法.算法在积极集集合上的搜索方向与文献[1]的方向相同,在自由空间集合上使用了有限内存L-BFGS的搜索方向.在适当的条件下,证明了使用非单调技术的算法是全局收敛的.数值实验证明所提出的算法是有效的.

关于社区治安防范工作的几点思考

日前。随着社会经济的发展和油田改革的逐步深入，社区建设快速发展。但是随着原有以单位为区域居住关系的改变，以及职工住房商品化导致的居住环境社会成分复杂，人际关系淡化，邻居间互帮互助、团结一家的特点减弱，给某些犯罪分子提供了良好的犯罪机会。当前我国犯罪在类型上的特点表现为以侵占财产为目的财产犯罪，如盗窃、抢劫、诈骗等居首位．约占80％左右，

检验机构CNAS扩项评审的应对措施

检验机构在扩项评审之前需要做好:人员具备相应专业知识并掌握ISO/IEC 17021准则的要求,设备设施方面满足新项目技术要求并满足业务量的需求,文件的更新与记录的保持满足ISO/IEC 17020准则的相关要求。

求解大规模l1问题的L-BFGS算法

本文提出一种求解大规模l1问题的L-BFGS算法.在积极集集合上算法的搜索方向与临界阙值算法[7,9]的方向相同,自由空间集合上使用了L-BFGS的搜索方向.在适当的条件下,我们证明了使用非单调技术的算法是全局收敛的.数值实验证明所提出的算法是有效的.

一种改进的积极集共轭梯度法

共轭梯度法是一种被广泛应用于求解无约束大规模最优化问题的方法,其具有内存需求低、迭代简单的特点.而积极集识别技术具有准确识别最优解附近的零分量的强大能力.为了求解压缩感知、信号和图像处理等领域常见的l_(2)-l_(1)问题,提出了一种基于积极集识别技术和两项下降PRP(Polak-Ribiére-Polyak)方法的积极集共轭梯度方法.在每次迭代中,先利用积极集识别技术区分自由变量和积极变量;然后,使用两项下降的PRP方法更新自由变量,同时用d^(k)=-x^(k)和基于梯度的方法更新积极变量.在适当条件下,新算法被证明了具有全局收敛性.在随机产生的数据上进行实验,实验结果表明,相比部分现有的算法,所提方法具有一定的竞争力.

一类改进的PRP型共轭梯度法

近年来,随着机器学习、模糊理论、神经网络等热门领域的发展以及计算机技术的日益成熟,优化方法越来越受重视,共轭梯度法也吸引了更多学者进行深入学习和研究。目前对共轭梯度法的研究主要分为两类,第一类是直接对共轭梯度参数进行改进,第二类是将不同的共轭梯度法进行混合,例如将两种现有的共轭梯度法进行凸组合,尝试构造新算法。对于不同的混合方法,其优缺点和收敛性特征等方面存在差异。在本文中,基于两项下降的PRP方法和三项下降的PRP方法,我们提出一类下降的PRP方法,当参数取特定值时,方法分别是两项下降的PRP方法和三项下降的PRP方法。而且算法不依赖于线搜索具有充分下降性质。在适当条件下,我们证明算法在Armijo型线搜索下具有全局收敛性。数值实验测试了大规模无约束优化问题,结果表明算法是有效的。