.png){kind=icon}
返回
A supermemory projection-based method for solving nonlinear equations with an application
.png){kind=icon}
PRE
AI
DOI：10.1080/02331934.2026.2628932.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
超记忆梯度（SMG）方法是经典共轭梯度（CG）方法的一般化，因此继承了它们的基本性质。与仅利用一步记忆的CG方法不同，SMG方法有效利用多步迭代信息构造新的迭代点，具有显著加速收敛的潜力。尽管SMG技术主要应用于无约束优化，但其扩展到非线性方程组求解的研究仍 largely unexplored。本文提出一种基于超记忆投影的方法用于求解大规模非线性方程组。所提出的方法包含一个惯性项（基于Polyak引入的加速技术），以及为增强稳定性和收敛性而设计的修正项。在伪单调性假设下，我们建立了该方法的全球收敛性。数值实验展示了所提方法在求解大规模非线性系统中的有效性，包括其在稀疏逻辑回归中的应用，后者是机器学习中广泛研究的问题。
Keyword:
Iterative method
nonlinear equations
inertial-type algorithm
correction term
sparse logistic regression
期刊
O
IF:
1.8
论文数:
121
被引数:
0
机构
引用论文
Single projection method for pseudo-monotone variational inequality in Hilbert spaces.png)
Optimization
OptimizationIF0
PREAI
分享收藏分享收藏
查看更多内容