Resumen

Recientemente, se ha observado un crecimiento considerable del interés en los métodos de gradiente proyectado (PG) debido a su alta eficiencia en la resolución de problemas de minimización convexa a gran escala sujetos a restricciones lineales. Dado que los problemas de minimización subyacentes a la factorización de matrices no negativas (NMF) de grandes matrices se ajustan bien a esta clase de problemas de minimización, investigamos y probamos algunos métodos PG recientes en el contexto de su aplicabilidad a NMF. En particular, el artículo se centra en los siguientes métodos modificados: Landweber proyectado, proyección de gradiente Barzilai-Borwein, optimización secuencial proyectada del subespacio (PSESOP), Newton de punto interior (IPN) y secuencial de coordenadas. Los algoritmos de PG NMF propuestos e implementados se comparan con respecto a su rendimiento en términos de relación señal-interferencia (SIR) y tiempo transcurrido, utilizando una referencia sencilla de señales mixtas parcialmente dependientes no negativas.

• Materias:Reacciones químicas Microorganismos Farmacología Iones Química bioinorgánica
• Subjects:Chemical reactions Microorganisms Pharmacology Ions Bioinorganic chemistry
• Palabras claves:problema de minimización, problema de minimización convexo, señal dependiente no negativa, crecimiento de interés, factorización de matrices no negativas, proyección del gradiente de borwein, algoritmo pg nmf, términos de la señal, métodos pg recientes, optimización secuencial del subespacio
• Keywords:minimization problem, convex minimization problem, dependent nonnegative signal, growth of interest, nonnegative matrix factorization, borwein gradient projection, nmf pg algorithm, terms of signal, recent pg methods, sequential subspace optimization