Resumen

El algoritmo de Gradiente Proximal de Bregman (BPG) es un algoritmo para minimizar la suma de dos funciones convexas, siendo una de ellas no suave. La supercoercividad de la función objetivo es necesaria para la convergencia de este algoritmo, lo que impide su uso en muchas aplicaciones. En este artículo, presentamos una versión inexacta del algoritmo BPG al eludir la condición de supercoercividad al reemplazarla por una condición simple sobre los parámetros del problema. Nuestro estudio abarca los resultados existentes, a la vez que proporciona otros.

• Materias:Ecuaciones diferenciales Operadores Teoremas Modelo de regresión
• Subjects:Differential equations Operators Theorems Regression model
• Palabras claves:Algoritmo; Funciones convexas; No suave; Supercoercitividad; Convergencia; Parámetros
• Keywords:Algorithm; Convex functions; Nonsmooth; Supercoercivity; Convergence; Parameters