如何解决如何解决优化问题中嘈杂数据的两个组成部分
我旨在使用Accelerator_proximal_gradient(FISTA)解决以下优化问题
Given that,Z= inverse_fourier(X)+ E,X and E are separable variables,X=extracted data and E=noise,Z is the noisy data.
The optimization problem is defined as:
min_(x,E) 1/2||A[X]- Z||_2^2 + lamda||(X)||_21 + micro||transpose(E)||_21
[E]
f(X,E)=1/2||A[X,E]- Z||_2^2,g(X,E) =lamda|| (X)||_21+ micro||transpose(E)||_21
f(凸但平滑函数)=损失,g =惩罚项(凸但不平滑函数)以及lamda和micro是归一化/正则化参数。
||。 || _2 ^ 2 = L2normSquared和||。 || _21是L21规范。
Z,X and E are matrices of same size (m x n)
A=inversefourier[I],I is an identity matrix,A is a matrix of size (n x n)
我最需要的是关于编程实现的帮助或指南,该编程可以从Z计算X和E。我目前正在尝试查看是否可以在运算符离散化库(odl)中使用Accelerated_proximal_gradient(FISTA)但还没有成功。
感谢您的帮助/指导。预先感谢。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。