Algoritmos proximales

Proximal Algorithms analiza los operadores y algoritmos proximales, e ilustra su aplicabilidad a la optimización convexa estándar y distribuida en general y a muchas aplicaciones de interés reciente en particular. Así como el método de Newton es una herramienta estándar para resolver problemas de optimización suave sin restricciones de tamaño modesto, los algoritmos proximales pueden verse como una herramienta análoga para versiones no suaves, restringidas, a gran escala o distribuidas de estos problemas. Son de aplicación muy general, pero son especialmente adecuados para problemas de considerable interés reciente que involucran conjuntos de datos grandes o de alta dimensión. Los métodos proximales se sitúan en un nivel de abstracción superior al de los algoritmos clásicos como el método de Newton: la operación base es evaluar el operador proximal de una función, lo que a su vez implica resolver un pequeño problema de optimización convexa. Estos subproblemas, que generalizan el problema de proyectar un punto sobre un conjunto convexo, a menudo admiten soluciones de forma cerrada o pueden resolverse muy rápidamente con métodos estándar o especializados sencillos. Proximal Algorithms analiza diferentes interpretaciones de los operadores y algoritmos proximales, examina sus conexiones con muchos otros temas en optimización y matemáticas aplicadas, examina algunos algoritmos populares y proporciona una gran cantidad de ejemplos de operadores proximales que surgen comúnmente en la práctica.

Autor: Neal Parikh, Stephen Boyd
Editorial: Now Publishers
Publicado: 27/11/2013
Páginas: 130
Tipo de encuadernación: Tapa blanda
Peso: 0.42lbs
Tamaño: 9.21h x 6.14w x 0.28d
ISBN13: 9781601987167
ISBN10: 1601987161
Categorías BISAC:
- Matemáticas | Optimización
- Tecnología e ingeniería | Eléctrica