我提出了一种新的稀疏编码算法，它与基线相比具有良好的结果，但是它具有非凸优化框架。我使用通用求解器（例如Matlab）解决了这个问题，虽然该解决方案是局部最优的，但它仍然比其他相关方法要好。那么在凸设置中制定问题有多重要？尤其是出版作品。
问问题
42 次
1 回答
1
来回答这个问题。确实，凸是可取的，但它不是方法或算法成功或可公开的必要条件。
非凸问题通常很难治疗。缓慢收敛（如果有的话）以及局部最小值和病理情况是难以避免的。然而，科学仍然在进步，因为在实践中，现实世界的案例并不像看起来那样病态。如果您可以提供某些保证，例如：
所有有效输入的收敛：表征什么是保证收敛的有效输入。使用的数值方法非常重要，因为可以通过数值方法确保收敛。
解决方案的表征：导致结果好坏的最佳和最差条件是什么。病理病例也应进行表征。
那么你的方法很容易发表（因为你可以查看评论文献）。
凸问题解决了收敛要求，并且数值方法是众所周知的并且是最优的。但是关于解决方案的表征，您需要提供相同的分析。
于 2018-07-27T01:00:41.243 回答