L2O框架加速不动点迭代且保收敛

研究者 Andrea Martin 和 Giuseppe Belgioioso 提出一种学习优化（L2O）框架，用于求解涉及一般非扩张映射的不动点问题。该框架向标准 Krasnosel'skii-Mann 迭代注入可和扰动，在保持收敛保证的同时提升其在特定问题分布上的平均性能。 在度量次正则假设下，该参数化被证明只包含局部线性收敛（至消失偏置项）的迭代，并涵盖所有足够快速率的此类迭代。该框架可用于增强多种算子分裂方法，并已在 L2O 增强的 Douglas-Rachford 分裂算法上通过最佳逼近问题得到验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。