Parameter tuning using asynchronous parallel pattern search in sparse signal reconstruction
Parameter tuning using asynchronous parallel pattern search in sparse signal reconstruction
复制标题
在稀疏信号重建中使用异步并行模式搜索进行参数调整
DOI：
10.1117/12.2530229
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Marcia, Roummel F.
中科院分区：
文献类型：
--
作者：
DeGuchy, Omar;Marcia, Roummel F.
在信号恢复问题中，参数整定是一个重要但经常被忽视的步骤。例如，压缩感知中的正则化参数决定了近似信号重构的稀疏性。最近，有证据表明，非凸正则化p准范数最小化（其中0 < p < 1）导致重建优于使用凸正则化的现有模型。然而，这些方法不仅依赖于p（范数的选择）的值的良好估计，而且依赖于惩罚正则化参数的值。本文介绍了一种选择合适参数的方法。该方法涉及通过部分重构信号来创建分数以确定参数选择的有效性。然后，我们有效地搜索通过不同的参数组合，使用模式搜索方法，利用并行性和并行性找到最佳得分对。我们通过数值实验证明了所提出的方法的效率和精度。
Parameter tuning is an important but often overlooked step in signal recovery problems. For instance, the regularization parameter in compressed sensing dictates the sparsity of the approximate signal reconstruction. More recently, there has been evidence that non-convex ℓpquasi-norm minimization, where 0 < p < 1, leads to an improvement in reconstruction over existing models that use convex regularization. However, these methods rely on good estimates of the value of not only p (the choice of norm) but also on the value of the penalty regularization parameter. This paper describes a method for choosing suitable parameters. The method involves creating a score to determine the effectiveness of the choice of parameters by partially reconstructing the signal. We then efficiently search through different combinations of parameters using a pattern search approach that exploits parallelism and asynchronicity to find the pair with the optimal score. We demonstrate the efficiency and accuracy of the proposed method through numerical experiments.
影响因子：
3.1
作者：
Hough, PD;Kolda, TG;Torczon, VJ
通讯作者：
Torczon, VJ
影响因子：
3.1
作者：
Dennis, J. E., Jr.;Torczon, Virginia
通讯作者：
Torczon, Virginia
影响因子：
2.7
作者：
Gray, Genetha A.;Kolda, Tamara G.
通讯作者：
Kolda, Tamara G.