房孝文外文翻译

1、毕业设计(论文)外文资料翻译圆：修复科专业领域：信息和计算科学类别：081001名称：房间孝文学号：081001104附件档案：1。翻译2 .原文2012年五月拟牛顿加速度的高维最优化算法托运人大卫亚历山大兰格摘要：在很多统计问题中，最大似然评价是通过EM或MM经历了非常缓慢的收敛。这种趋势限制了现代高维数据挖掘问题、基因组学、成像算法的应用。不幸的是，大多数现有的加速技术不适合复杂的模型。大量参数，最接近平方迭代方法(squarem)的varadhan和Roland构成了重要的概念。在牙齿文档中，提出了一种新的牛顿加速度方案，该方案计算计算机中的每个迭代和整个存储，并以适当的增量计算squa

2、rem的几个茄子代表性测试问题，从而超越性能。关键词：最大似然、多元、混合模式、成像、广义特征值。1简介最大似然法和最小二乘的估计方法应用统计。封闭式解决方案的最大似然方程是算法(D等)等分析方法，因为它不是规则，而是例外。1977年；小和鲁宾2002；克罗克兰和克里斯南2008)恩-喜乐广泛使用。在过去的十年里，统计学家认识到算法(Minorization-Maximization或最小最优化算法(德国)在1994年排名第一的特殊情况。蜂鸣器1995；贝克尔等。1997-2000年；猎人和朗格2004；五化郎2008)。这开辟了新的途径、设计等。MM算法的使用在数值上是稳定的。除了提高牙齿理

3、想性能外，MM算法处理参数约束的优雅。约束满足的定义是在溶液中构建的最大化阶段。但是，MM面临算法问题。第一，他们经常放慢速度的控制收敛到一个居住区的最高点。在高维应用中，缓慢收敛是压倒一切的关注。另一种批评是，分数和牛顿法，即从局部到整体都无法区分。大部分现有文献概述了关于电磁铝算法加速的第4章克氏体和氪-ishnan(2008)。像Varadhan和Roland (2008)一样，现有的方法大致可分为两个茄子品种。第一个成员类别使用电磁核聚变。更好地接近观测信息矩阵的代数。例如，准牛顿近似(朗格95；Jamshidian和jennrich1997)以及conjugate gradient方

4、法(jamshidian和jennrich 1993)牙齿。更换速度，这些方法稳定，简单，朴素的算法。第二类的重点是个别细胞的算法直接受精。这些方法包括数据augmenta-tion(孟和潘迪克1997)牙齿，以及参数扩展(px-em)(犹等)牙齿。1998)，细胞外基质(孟和鲁宾1993)，和ecme(柳和鲁宾1994)。方法在两种茄子类型的保留中提高了性能，同时提高了算法收敛率。但是，他们是暂时的、微妙的调制。最近，varadhan和Roland (2008)添加了三分之一平方迭代方法(squarem)来查找定位固定点的牛顿法近似值。他们相似版本的埃特肯的加速方法(路易斯1982)极大地忽

5、略了观察代数。Squarem算法保持淳朴的远视算法、最低的存储需求和高级问题。在牙齿文档中，我们创建了一个类似于squarem的新的牛顿加速器。第一，广泛适用于所有搜寻演算法的罚款是软算法地图。您只需要更新的地图和一些其他电脑代码。此外，以前的准牛顿加速方法(朗格1995年；Jamshidian和jennrich1997)观测信息matrich或黑森州映射算法操作。这是特别吸引人的高维问题的标准。第三，虽然不能保证铝财产上涨，但美国通信-股票1毫米的算法，可以恢复到一般MM。牙齿回滚位置的主要原因是MM和算法。算法(例如，块松弛(Deleu 1994)和陡升，提高线路搜索份额提高性能这些算法也

6、是适应性和加速度。第二部分描述了新的准牛顿的特征。第3部分介绍了基本理论的各种数值示例。我们的例子包括beta-二项模型、泊松混合模型、多变量分布、混合模型遗传学、图像、电影等级模型、迭代算法、寻找最大或最小光特征值的双对称矩阵等。部分参数范围从2万到数万起讨论了我们的调查结果。2准牛顿加速算法在牙齿部分，采用了新的牛顿方法，提高了平稳的最优化算法速度。以前的操作(lange 1995Jamshidian和jennrich1997)占据当前主题角度优化的目标函数牛顿法。为此，Ade-Manding任务必须存储和处理高维问题中的完全近似解矩阵。也可以是合理使用牛顿法来寻找布线的方程式0=x-F(

7、x)。其中f是算法映射。改变本土视角的牙齿优点是亲自处理和巡回的算法。现在用G(x)表示x-F(x)的差值，因为G(x)已经微分dG(x)=I df (x)。牛顿重复的方法是如果我们能大致通过低阶矩阵M，我们可以用I-M代替，明确形成的反函数。经过牛顿方法操作的割线近似法，从现在的点重复两次，我们就能得到一个点。如果我们接近最佳点，我们就有线性逼近这里，如果v是矢量，u是矢量，那么割线要求实际上是我们需要的最好的近视割线，这可以通过当前迭代点和q-1迭代得到。3.讨论：牙齿算法是统计工具箱中最普遍的工具之一。MM算法宣传算法具有积极的特点。资产之间的两个茄子算法，稳定性，优雅适应的限制，以及趋

8、势避免了大量的矩阵反演。得分和牛顿的方法变得越来越吸引人，参数数量在增加。不幸的是，一些传记EM和MM算法是众所周知的缓慢收敛。从统计学家到一个时代主导的大型数据集和高维模型都值得关注。对于EM和MM算法，为了补充左竞争算法，统计人员必须找到有效的加速方案。牛顿方法讨论是当前文件中的候选人。成功的加速方法将有助于攻击另一个恼人的问题，并有助于计算统计的特征，即多学科合成。统计数学推理的方法往往是致命的缺陷。因为一个标准最优化算法会聚于子模型。目前的治疗选择是从多个随机点开始算法搜索。算法加速是欢迎的。可以扩大到部分起点，没有一个起皱的计算时间。相反，我建议修改最近提出的(州和朗格2009c)标

9、准算法。前几MM可以保持为全局最大值。这些简单的修改都是基于确定性退火(相变和深夜1998)我们的加速方案试图用接近新吨的方法找到固定点的算法图。像Squarem一样，我们的计划是软算法地图，现成的，全部由搜索方法决定。存储要求是(发送)。其中是对参数数量和数量的割线条件的调用。每次迭代都很轻。两个一般更新和一些矩阵向量乘法的次数。整个计划与线性约束一致。这种适当的-关系是使它具有吸引力的现代高维问题的问题。在我们的数值例子中，义牛顿加速了相等或优的执行。在国防squarem中，那是容易的代码。如上所述，牛顿法计划可以应用于任何目标函数或算法映射。目标函数模拟算法收敛程序称为有限内存准牛顿(l

10、bfgs)更新数值分析文学(无cedal和光源2006)。虽然我们没有进行全张力测试，但这是我们的印象。就是比较两种形式的加速度，比较计算复杂性和内存要求。但是，算法地图也有直接的优点。首先，牙齿算法地图通常是比目标函数更容易的渐变。第二，我们的地图基地，加速方面的线性约束。系统的比较方法值得追求。以前的档案(参考1995)表示适应MM牙齿lbfgs，曲率信息由代理功能维护。目前的研究提出了很多问题，因为它的答案。第一，最好选择几个茄子割据条件，提出其他问题。我们的考试方案表明，高维问题，收益较大。但是，牙齿规则并不普遍。适用于Squarem的类似批评至少存在于三种茄子不同的味道中。另一个问题

11、是准牛顿加速度可能违反非线性边界条件限制。在可执行区域内，intersec、dick Stella算法(教派)的有限封闭凸集。(11.3，2004)有用的预测郎格任性回到可行的地区。第三，准牛顿加速度几乎总是提高控制收敛速度的匹配算法，但其他铝算法可以做得更好。首先，必须特别记住参数扩展、块松弛或组合块松弛和毫米等。多元是一个好例子。准牛顿和squarem加速算法都比px-em算法好。最后的缺点是，牛顿加速度可能违反的上升或下降财产的原铝。这是一个特殊的危险时刻，除了加速度点以外的可执行域必须投射。为了简单起见，在我们的例子中，我们失去了原来的算法，每次上升或下降的支柱财产。更有效的战略之一可能是回溯(varadh