附录里的matlab代码#LinearFW
这是重现我们所有实验的代码:
On
the
Global
Linear
Convergence
of
Frank-Wolfe
Optimization
Variants
Simon
Lacoste-Julien
and
Martin
Jaggi
NIPS
2015
它涵盖了针对方程式中描述的问题的Frank-Wolfe优化变量的全局线性收敛速度。
(1)在论文中。
它包含Frank-Wolfe的实现,在两个应用程序上分别执行Frank-Wolfe和成对的Frank-Wolfe:
l1约束最小二乘回归(lasso);
来自视频共定位应用程序的流多面体上的QP。
该代码在Matlab中运行(已在Linux,Windows和Mac上的Matlab
2014中进行了测试)。
但是对于下面的前两个文件夹,通过删除初始化随机种子的行,它也可以轻松地在Octave中运行。
有三个文件夹:
FW_lasso包含用于生成图2顶部图形的套索实验。在文件夹中启动run_FW.m以生成图(花费几秒钟)。
triangle_FW_experiment包含线性速率常数实
LMS(Least Mean Square)算法因其结构简单、稳定性好等优点,得到了广泛的应用,但在收敛速度和稳态失调之间存在着固有矛盾,通过对步长因子的调整可以克服这一矛盾。分析研究了已有的变步长LMS算法,在此基础上提出了一种改进的变步长LMS算法。理论分析和计算机仿真表明该算法不但具有较快的收敛速率,并且具有更小的稳态误差。