文件名称：pyproximal:PyProximal – Python中的邻近运算符和算法
文件大小：675KB
文件格式：ZIP
更新时间：2024-04-20 23:30:05
python linear-algebra proximal-algorithms inverse-problems Python
PyProximal :vertical_traffic_light: :vertical_traffic_light: 该库正在早期开发中。 期望事情会不断变化，直到版本v1.0.0。 :vertical_traffic_light: :vertical_traffic_light: 客观的 这个Python库提供了使用所谓的近端算法解决非光滑凸优化问题所需的所有构建块。 基于梯度的方法是用于解决无约束，平滑优化问题的一阶迭代优化算法，而近端算法可以看作是解决这些问题的非平滑和可能受约束版本的类似工具。 与经典算法（如最陡下降法或牛顿法）相比，此类算法的抽象水平更高，并且每次迭代都需要执行基本操作：对要优化功能的所谓近端算符进行评估。 虽然评估近端算子本身确实需要解决凸优化问题，但这些子问题通常允许采用封闭形式的解决方案，或者可以使用专门的专门方法快速解决。 因此，在此库中实现了几种此类近端运算符。 这是一个简单的示例，显示了如何计算向量的L1范数的近端算子： import numpy as np from pyproximal import L1 l
【文件预览】：
pyproximal-main
----testdata()
--------triplepoint.png(24KB)
--------butterfly.png(213KB)
--------sunflower.png(333KB)
----.gitignore(550B)
----setup.cfg(84B)
----README.md(7KB)
----requirements-dev.txt(170B)
----CHANGELOG.md(35B)
----azure-pipelines.yml(2KB)
----.github()
--------workflows()
----environment.yml(117B)
----docs()
--------source()
--------Makefile(653B)
----examples()
--------plot_quadratic.py(2KB)
--------plot_norms.py(3KB)
--------plot_indicators.py(2KB)
--------README.txt(84B)
----pytests()
--------test_projection.py(3KB)
--------test_norms.py(4KB)
--------test_basic.py(2KB)
--------test_proximal.py(3KB)
----readthedocs.yml(108B)
----requirements.txt(2B)
----LICENSE.md(7KB)
----tutorials()
--------segmentation.py(3KB)
--------denoising.py(6KB)
--------adaptivepd.py(5KB)
--------README.txt(35B)
--------basispursuit.py(2KB)
--------constrained.py(4KB)
----setup.py(2KB)
----.travis.yml(1KB)
----Makefile(1KB)
----environment-dev.yml(364B)
----pyproximal()
--------utils()
--------optimization()
--------ProxOperator.py(9KB)
--------projection()
--------__init__.py(524B)
--------proximal()