An Entity of Type: software, from Named Graph: http://dbpedia.org, within Data Space: dbpedia.org

The Bregman method is an iterative algorithm to solve certain convex optimization problems involving regularization. The original version is due to Lev M. Bregman, who published it in 1967. The algorithm is a accessing constraint functions one by one and the method is particularly suited for large optimization problems where constraints can be efficiently enumerated. The algorithm works particularly well for regularizers such as the norm, where it converges very quickly because of an error cancellation effect.

Property Value
dbo:abstract
  • The Bregman method is an iterative algorithm to solve certain convex optimization problems involving regularization. The original version is due to Lev M. Bregman, who published it in 1967. The algorithm is a accessing constraint functions one by one and the method is particularly suited for large optimization problems where constraints can be efficiently enumerated. The algorithm works particularly well for regularizers such as the norm, where it converges very quickly because of an error cancellation effect. (en)
  • Метод Брэгмана — это итеративный алгоритм решения некоторых задач выпуклого программирования. Алгоритм поочерёдно просматривает одну за другой и метод особенно подходит для задач оптимизации большого размера, в которых можно эффективно перенумеровать ограничения. Исходная версия алгоритма принадлежит Льву Мееровичу Брэгману. Алгоритм начинает с пары наборов переменных прямой и двойственной задач. Затем для каждого ограничения находится в множество допустимых решений, обновляя двойственные переменные ограничений и все переменные прямой задачи, для которых есть ненулевые коэффициенты в градиенте функций ограничений. В случае, когда целевая функция строго выпукла и все функции ограничений выпуклы, итеративные проекции сходятся к оптимальной паре переменных прямой и двойственной задач. Метод имеет связь с методом множителей Лагранжа и двойственным методом наискорейшего подъёма (англ. dual ascent). Существует множество обобщений метода. Одним из недостатков метода является то, что метод доказуемо сходится только если целевая функция строго выпукла. Если это нельзя гарантировать, как в случае задач линейного программирования или для нестрого выпуклых задач квадратичного программирования, нужно разрабатывать дополнительные методы, такие как метод проксимального градиента. (ru)
dbo:wikiPageID
  • 21410975 (xsd:integer)
dbo:wikiPageLength
  • 11520 (xsd:nonNegativeInteger)
dbo:wikiPageRevisionID
  • 1121553578 (xsd:integer)
dbo:wikiPageWikiLink
dbp:wikiPageUsesTemplate
dcterms:subject
gold:hypernym
rdf:type
rdfs:comment
  • The Bregman method is an iterative algorithm to solve certain convex optimization problems involving regularization. The original version is due to Lev M. Bregman, who published it in 1967. The algorithm is a accessing constraint functions one by one and the method is particularly suited for large optimization problems where constraints can be efficiently enumerated. The algorithm works particularly well for regularizers such as the norm, where it converges very quickly because of an error cancellation effect. (en)
  • Метод Брэгмана — это итеративный алгоритм решения некоторых задач выпуклого программирования. Алгоритм поочерёдно просматривает одну за другой и метод особенно подходит для задач оптимизации большого размера, в которых можно эффективно перенумеровать ограничения. Исходная версия алгоритма принадлежит Льву Мееровичу Брэгману. Метод имеет связь с методом множителей Лагранжа и двойственным методом наискорейшего подъёма (англ. dual ascent). Существует множество обобщений метода. (ru)
rdfs:label
  • Bregman method (en)
  • Метод Брэгмана (ru)
owl:sameAs
prov:wasDerivedFrom
foaf:isPrimaryTopicOf
is dbo:wikiPageDisambiguates of
is dbo:wikiPageWikiLink of
is foaf:primaryTopic of
Powered by OpenLink Virtuoso    This material is Open Knowledge     W3C Semantic Web Technology     This material is Open Knowledge    Valid XHTML + RDFa
This content was extracted from Wikipedia and is licensed under the Creative Commons Attribution-ShareAlike 3.0 Unported License