Core Concepts
オンライン最適化は動的逆問題の解決を可能にする。本論文では、以前の予測型オンラインプライマル・デュアル法を改善し、より簡潔な解析と制限的な条件を緩和した。さらに、これに基づいて改良されたデュアル予測子を開発した。画像安定化と動的PET再構成の数値実験で有効性を示した。
Abstract
本論文では、時間とともに変化する情報を処理する実世界のアプリケーションについて扱っている。これには、ノイズの多い画像の高速連続処理によるコンピューテーショナル画像安定化、産業プロセスにおける流体流動監視、物理的運動の影響下での医療画像再構成などが含まれる。長期にわたる監視期間で即時の結果が必要な場合、オンライン再構成手法が必要となる。
本論文では、オンライン最適化の形式的問題を扱う。従来のオンラインアルゴリズムは時間的構造を活用するか、そうでないかに分類される。本論文では、予測修正型のプライマル・デュアル法であるPOPD2を提案する。POPD2は、以前のPOPDアルゴリズムを改良し、より簡潔な解析と制限的な条件の緩和を行っている。さらに、予測ステップと前進ステップを組み合わせている。
提案手法の動的レグレット理論を開発した。これは、アルゴリズムの反復と比較系列の間の非対称性を解消し、比較系列の制約をより緩和したものである。また、様々な「擬アフィン」プライマル・デュアル予測子の精度を分析し、画像安定化と動的PET再構成の数値実験で評価した。
Stats
動的逆問題の解決にはオンライン最適化が必要
従来のオンラインアルゴリズムは時間的構造を活用するか、そうでないかに分類される
本論文では予測修正型のプライマル・デュアル法であるPOPD2を提案
POPD2は以前のPOPDアルゴリズムを改良し、より簡潔な解析と制限的な条件の緩和を行っている
提案手法の動的レグレット理論を開発し、比較系列の制約をより緩和したものとなっている
様々な「擬アフィン」プライマル・デュアル予測子の精度を分析し、数値実験で評価した
Quotes
"オンライン最適化は動的逆問題の解決を可能にする。"
"本論文では、予測修正型のプライマル・デュアル法であるPOPD2を提案する。"
"提案手法の動的レグレット理論を開発し、比較系列の制約をより緩和したものとなっている。"