Datengesteuerte regularisierte stochastische Gradientenabstiegsverfahren für nichtlineare schlecht gestellte Probleme: Konvergenzanalyse
Das Hauptziel dieser Arbeit ist die Konvergenzanalyse eines datengesteuerten regularisierten stochastischen Gradientenabstiegsverfahrens für eine Klasse nichtlinearer schlecht gestellter inverser Probleme. Das Verfahren kombiniert zufällig ausgewählte Gleichungen aus dem wahren Modell und einem datengetriebenen Modell, um eine stochastische Schätzung des Gradienten zu erhalten und dann einen Abstiegsschritt mit dem geschätzten Gradienten durchzuführen.
Datengesteuerte regularisierte stochastische Gradientenabstiegsverfahren für nichtlineare schlecht gestellte Probleme: Konvergenzanalyse
Das Hauptziel dieser Arbeit ist die Konvergenzanalyse eines datengesteuerten regularisierten stochastischen Gradientenabstiegsverfahrens für eine Klasse nichtlinearer schlecht gestellter inverser Probleme. Das Verfahren kombiniert zufällig ausgewählte Gleichungen aus dem wahren Modell und einem datengetriebenen Modell, um eine stochastische Schätzung des Gradienten zu erhalten und dann einen Abstiegsschritt mit dem geschätzten Gradienten durchzuführen.
