Fugu-MT 論文翻訳(概要): Provably Convergent Plug-and-Play Quasi-Newton Methods

論文の概要: Provably Convergent Plug-and-Play Quasi-Newton Methods

arxiv url: http://arxiv.org/abs/2303.07271v1
Date: Thu, 9 Mar 2023 20:09:15 GMT
ステータス: 処理完了
システム内更新日: 2023-03-14 13:56:24.081440
Title: Provably Convergent Plug-and-Play Quasi-Newton Methods
Title（参考訳）: プラグ・アンド・プレイ準ニュートン法
Authors: Hong Ye Tan, Subhadip Mukherjee, Junqi Tang, Carola-Bibiane Sch\"onlieb
Abstract要約: Plug-and-Play(Newton)メソッドは、古典的な最適化アルゴリズムを用いて、忠実度項とディープデノイザを組み合わせることを目的としている。提案手法は, 比較的軽度な条件を, 近位難聴者にもとづく提案手法である。
参考スコア（独自算出の注目度）: 6.774715464300626
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Plug-and-Play (PnP) methods are a class of efficient iterative methods that aim to combine data fidelity terms and deep denoisers using classical optimization algorithms, such as ISTA or ADMM. Existing provable PnP methods impose heavy restrictions on the denoiser or fidelity function, such as nonexpansiveness or strict convexity. In this work, we propose a provable PnP method that imposes relatively light conditions based on proximal denoisers, and introduce a quasi-Newton step to greatly accelerate convergence. By specially parameterizing the deep denoiser as a gradient step, we further characterize the fixed-points of the quasi-Newton PnP algorithm.
Abstract（参考訳）: Plug-and-Play (PnP) は、ISTAやADMMなどの古典最適化アルゴリズムを用いて、データの忠実度項とディープデノイザを組み合わせた効率的な反復手法のクラスである。既存の証明可能なPnP法は、非拡張性や厳密な凸性といったデノイザー関数や忠実度関数に厳しい制限を課している。そこで本研究では, 近位分解器に基づく比較的軽い条件を課すPnP法を提案し, 収束を大幅に加速する準ニュートン法を提案する。ディープデノイザを勾配ステップとしてパラメータ化することにより、準ニュートンPnPアルゴリズムの固定点をさらに特徴付ける。

関連論文リスト

A Unified Plug-and-Play Algorithm with Projected Landweber Operator for Split Convex Feasibility Problems [6.185478918618347]
近年,Plug-and-Play法は,演算子をデノイザに置き換えることで,逆画像問題における最先端性能を実現している。理論的に保証されたステップサイズを持つ手法の適用は困難であり、アルゴリズムはノイズに制限される。これらの問題に対処するために、Project Landweber Operator (PLOPLO) が提案されている。
論文参考訳（メタデータ） (2024-08-22T03:29:51Z)
A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文参考訳（メタデータ） (2024-05-24T21:09:19Z)
Incremental Quasi-Newton Methods with Faster Superlinear Convergence Rates [50.36933471975506]
各成分関数が強く凸であり、リプシッツ連続勾配とヘシアンを持つ有限和最適化問題を考える。最近提案されたインクリメンタル準ニュートン法は、BFGSの更新に基づいて、局所的な超線形収束率を達成する。本稿では、対称ランク1更新をインクリメンタルフレームワークに組み込むことにより、より効率的な準ニュートン法を提案する。
論文参考訳（メタデータ） (2024-02-04T05:54:51Z)
High-Probability Convergence for Composite and Distributed Stochastic Minimization and Variational Inequalities with Heavy-Tailed Noise [96.80184504268593]
グラデーション、クリッピングは、優れた高確率保証を導き出すアルゴリズムの鍵となる要素の1つである。クリッピングは、合成および分散最適化の一般的な方法の収束を損なう可能性がある。
論文参考訳（メタデータ） (2023-10-03T07:49:17Z)
An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文参考訳（メタデータ） (2023-06-10T08:25:16Z)
Block Coordinate Plug-and-Play Methods for Blind Inverse Problems [13.543612162739773]
プラグアンドプレイ先行法は,物理計測モデルと学習画像復号器を組み合わせた演算子による逆問題の解法としてよく知られている。です。既知の測定演算子による画像復元に広く用いられている手法はほとんどない。盲目の逆問題の解決ですこのギャップに対処するために、未知の演算子の両方について、学習した記述子を先行として提示する。
論文参考訳（メタデータ） (2023-05-22T03:27:30Z)
A relaxed proximal gradient descent algorithm for convergent plug-and-play with proximal denoiser [6.2484576862659065]
本稿では,新しいコンバーゼントなPlug-and-fidelity Descent (Play)アルゴリズムを提案する。このアルゴリズムは、より広い範囲の通常の凸化パラメータに収束し、画像のより正確な復元を可能にする。
論文参考訳（メタデータ） (2023-01-31T16:11:47Z)
A Semismooth Newton Stochastic Proximal Point Algorithm with Variance Reduction [2.048226951354646]
弱凸, 複合最適化問題に対する実装可能な近位点(SPP)法を開発した。提案アルゴリズムは分散低減機構を組み込んでおり、その結果の更新は不正確なセミスムース・ニュートン・フレームワークを用いて解決される。
論文参考訳（メタデータ） (2022-04-01T13:08:49Z)
Proximal denoiser for convergent plug-and-play optimization with nonconvex regularization [7.0226402509856225]
Plug-and-Play ()メソッドは、ニューラルネットワーク演算子をデノナイジング演算子に置き換えることで、アルゴリズムによって、近位姿勢の逆問題を解決する。このデノイザが実際に勾配関数に対応していることが示される。
論文参考訳（メタデータ） (2022-01-31T14:05:20Z)
Fast Objective & Duality Gap Convergence for Non-Convex Strongly-Concave Min-Max Problems with PL Condition [52.08417569774822]
本稿では,深層学習(深層AUC)により注目度が高まっている,円滑な非凹部min-max問題の解法に焦点をあてる。
論文参考訳（メタデータ） (2020-06-12T00:32:21Z)
IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文参考訳（メタデータ） (2020-06-11T18:49:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。