权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Novel Numerical Approaches for Structured Optimization

结构化优化的新颖数值方法

基本信息

批准号：
1719549
负责人：
Yangyang Xu
金额：
$ 9.6万
依托单位：
Rensselaer Polytechnic Institute
依托单位国家：
美国
项目类别：
Continuing Grant
财政年份：
2017
资助国家：
美国
起止时间：
2017-08-15 至 2020-07-31
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1719549&HistoricalAwards=false
关键词：
Novel Numerical Approaches Structured Optimization

项目摘要

The data sets involved in many modern applications are extremely large, and are often collected at distributed locations and continuously with the progression of time. Common examples are data sets associated with searches on the Internet, social networks, information technology, healthcare, biology, finance, and engineering. Analyzing and learning from these massive data sets imposes great challenges on computation, data storage, and data transfer. On the other hand, high performance computers are now readily available. This project aims to develop novel computational methods to enable high performance computing for questions involving extremely large data sets. The approaches address several computational challenges that emerge from applications across data sciences and engineering. Undergraduate and graduate students are involved in the project.This project is focused on designing novel computational algorithms and analyzing their theoretical behaviors for solving structured optimization problems that involve huge data sets and are parameterized by large numbers of variables. Both the defining objective functions and the optimal solutions exhibit particular structures, including convexity, smoothness, and multi-linearity for the former, and sparsity, low-rank, and orthogonality for the latter. This research aims to take advantage of this structure in designing efficient computational methods. The project includes several research directions, from variable splitting for handling complicated regularizers, to adaptive asynchronous parallel computing and analysis of convergence rates. Stochastic approximations will be used for dealing with problems involving stream data, and novel numerical approaches will be used to solve non-linearly constrained problems via primal-dual updates. Problems with multi-array structure will also be investigated. The research aims to significantly speed up existing algorithms both theoretically and practically, lead to new theoretical results of existing algorithms that currently lack convergence analysis, and give rise to novel algorithms for computing solutions to complicated problems that are currently not efficiently solvable.

许多现代应用程序中涉及的数据集非常大，并且通常在分布式位置收集，并且随着时间的推移而不断进行。常见的例子是与互联网、社交网络、信息技术、医疗保健、生物学、金融和工程上的搜索相关联的数据集。分析和学习这些海量数据集对计算、数据存储和数据传输提出了巨大的挑战。另一方面，高性能计算机现在已经很容易获得。该项目旨在开发新的计算方法，以实现涉及超大数据集的问题的高性能计算。这些方法解决了数据科学和工程应用中出现的几个计算挑战。本项目以本科生和研究生为对象，旨在设计新颖的计算算法，并分析其理论行为，以解决涉及大量数据集并由大量变量参数化的结构化优化问题。定义的目标函数和最优解都表现出特定的结构，包括凸性，光滑性和多线性的前者，稀疏性，低秩，和正交的后者。本研究旨在利用这种结构设计有效的计算方法。该项目包括几个研究方向，从处理复杂正则化的变量分裂，到自适应异步并行计算和收敛速度分析。随机近似将用于处理涉及流数据的问题，新的数值方法将用于通过原始-对偶更新来解决非线性约束问题。多阵列结构的问题也将被调查。该研究的目的是显着加快现有的算法在理论上和实践中，导致现有的算法，目前缺乏收敛性分析的新的理论结果，并产生新的算法计算解决方案的复杂问题，目前不能有效地解决。

项目成果

期刊论文数量（13）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

On the convergence of higher-order orthogonal iteration

DOI：
10.1080/03081087.2017.1391743
发表时间：
2015-04
期刊：
Linear and Multilinear Algebra
影响因子：
1.1
作者：
Yangyang Xu
通讯作者：
Yangyang Xu

Markov chain block coordinate descent

DOI：
10.1007/s10589-019-00140-7
发表时间：
2018-11
期刊：
Computational Optimization and Applications
影响因子：
2.2
作者：
Tao Sun;Yuejiao Sun;Yangyang Xu;W. Yin
通讯作者：
Tao Sun;Yuejiao Sun;Yangyang Xu;W. Yin

Accelerated primal–dual proximal block coordinate updating methods for constrained convex optimization

DOI：
10.1007/s10589-017-9972-z
发表时间：
2017-02
期刊：
Computational Optimization and Applications
影响因子：
2.2
作者：
Yangyang Xu;Shuzhong Zhang
通讯作者：
Yangyang Xu;Shuzhong Zhang

Greedy coordinate descent method on non-negative quadratic programming

DOI：
10.1109/sam48682.2020.9104264
发表时间：
2020-06
期刊：
2020 IEEE 11th Sensor Array and Multichannel Signal Processing Workshop (SAM)
影响因子：
0
作者：
Chenyu Wu;Yangyang Xu
通讯作者：
Chenyu Wu;Yangyang Xu

Robust PCA via Dictionary Based Outlier Pursuit

DOI：
10.1109/icassp.2018.8461593
发表时间：
2018-04
期刊：
2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
影响因子：
0
作者：
Xingguo Li;Jineng Ren;Sirisha Rambhatla;Yangyang Xu;Jarvis D. Haupt
通讯作者：
Xingguo Li;Jineng Ren;Sirisha Rambhatla;Yangyang Xu;Jarvis D. Haupt

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Yangyang Xu其他文献

Oil-water interfacial behavior of soy β-conglycinin–soyasaponin mixtures and their effect on emulsion stability

大豆β-伴大豆球蛋白-大豆皂苷混合物的油水界面行为及其对乳液稳定性的影响

DOI：
10.1016/j.foodhyd.2019.105531
发表时间：
2020-04
期刊：
Food Hydrocolloids
影响因子：
10.7
作者：
Lijie Zhu;Qingying Xu;Xiuying Liu;Yangyang Xu;Lina Yang;Shengnan Wang;Jun Li;Tao Ma;He Liu
通讯作者：
He Liu

Global and local structure preserving sparse subspace learning: An iterative approach to unsupervised feature selection

保留稀疏子空间学习的全局和局部结构：无监督特征选择的迭代方法

DOI：
10.1016/j.patcog.2015.12.008
发表时间：
2015-06
期刊：
Pattern Recognition
影响因子：
8
作者：
Nan Zhou;Yangyang Xu;Hong Cheng;Jun Fang;Witold Pedrycz
通讯作者：
Witold Pedrycz

Ensemble One-Dimensional Convolution Neural Networks for Skeleton-Based Action Recognition

用于基于骨架的动作识别的集成一维卷积神经网络

DOI：
10.1109/lsp.2018.2841649
发表时间：
2018-01
期刊：
IEEE Signal Processing Letters
影响因子：
3.9
作者：
Yangyang Xu;Jun Cheng;Lei Wang;Haiying Xia;Feng Liu;Dapeng Tao
通讯作者：
Dapeng Tao

Sparse Bilinear Logistic Regression

稀疏双线性 Logistic 回归

DOI：
发表时间：
2014
期刊：
arXiv.org
影响因子：
0
作者：
Jianing Shi;Yangyang Xu;Richard Baraniuk
通讯作者：
Richard Baraniuk

Possible Mitigation of Global Cooling due to Supervolcanic Eruption via Intentional Release of Fluorinated Gases

通过有意释放氟化气体可能缓解超级火山喷发造成的全球变冷

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
Yangyang Xu;N. Ribar;G. Schade;A. Lockley;Yi;Ge Zhang;Jeffrey Sachnik;P. Yu;Jianxin Hu;G. Velders;A. Lockley
通讯作者：
A. Lockley