Busca avançada
Ano de início
Entree


Novos métodos incrementais para otimização convexa não-diferenciável em dois níveis com aplicações em reconstrução de imagens em tomografia por emissão

Texto completo
Autor(es):
Lucas Eduardo Azevedo Simões
Número total de Autores: 1
Tipo de documento: Dissertação de Mestrado
Imprenta: São Carlos.
Instituição: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação
Data de defesa:
Membros da banca:
Elias Salomão Helou Neto; José Mario Martinez Perez; Ricardo Hiroshi Caldeira Takahashi
Orientador: Elias Salomão Helou Neto
Resumo

Apresentamos dois novos métodos para a solução de problemas de otimização convexa em dois níveis não necessariamente diferenciáveis, i.e., mostramos que as sequências geradas por ambos os métodos convergem para o conjunto ótimo de uma função não suave sujeito a um conjunto que também envolve a minimização de uma função não diferenciável. Ambos os algoritmos dispensam qualquer tipo de resolução de subproblemas ou busca linear durante suas iterações. Ao final, para demonstrar que os métodos são viáveis, resolvemos um problema de reconstrução de imagens tomográficas (AU)

Processo FAPESP: 11/02219-4 - Novos métodos incrementais para otimização convexa não-diferenciável em dois níveis com aplicações em reconstrução de imagens em tomografia por emissão
Beneficiário:Lucas Eduardo Azevedo Simões
Linha de fomento: Bolsas no Brasil - Mestrado