Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
Rámirez, G., (2022). Análisis del algoritmo FISTA orientado a mejorar la velocidad de convergencia [Pontificia Universidad Católica del Perú]. http://hdl.handle.net/20.500.12404/21767
Rámirez, G., Análisis del algoritmo FISTA orientado a mejorar la velocidad de convergencia []. PE: Pontificia Universidad Católica del Perú; 2022. http://hdl.handle.net/20.500.12404/21767
@misc{renati/534404,
title = "Análisis del algoritmo FISTA orientado a mejorar la velocidad de convergencia",
author = "Rámirez Orihuela, Gabriel",
publisher = "Pontificia Universidad Católica del Perú",
year = "2022"
}
Title: Análisis del algoritmo FISTA orientado a mejorar la velocidad de convergencia
Authors(s): Rámirez Orihuela, Gabriel
Advisor(s): Rodríguez Valderrama, Paul Antonio
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.01
Issue Date: 8-Mar-2022
Institution: Pontificia Universidad Católica del Perú
Abstract: Los problemas lineales inversos existen en numerosas ramas de la ciencia
e ingeniería, lo cual genera la necesidad de definir algoritmos de solución
e cientes, que requieran poco costo computacional y converjan en el menor
número de iteraciones. Se desea recuperar información original a la cual no
se tiene acceso lo más similarmente posible y con dimensiones reducidas,
produciendo así una disminución en el uso de recursos computacionales y
por ende en el tiempo de ejecución. Esto es de particular importancia
debido a que el tamaño de las señales se encuentra en constante aumento y
su manipulación puede resultar muy costosa.
Se estudia el algoritmo de optimización de primer orden FISTA (Fast
Iterative Shrinkage-Thresholding Algorithm), el cual es utilizado en
problemas inversos cuya solución se resume a la minimización de funciones
convexas empleando información de la gradiente y de iteraciones previas.
En este contexto, se analizan métodos que buscan la optimización del
algoritmo por medio de tamaños de paso adaptativos para delimitar el paso
de la gradiente y una mejor solución inicial mediante la reducción de
dimensiones a través de las técnicas conocidas como Screening y Warm
Start, produciendo así datos más sparse. Además, se comprueba la e cacia
de los métodos desarrollados por medio de un algoritmo generalizado, en el
cual son evaluados datos aleatorios generados sintéticamente e imágenes,
con el n de obtener la mejor tasa de convergencia.
Link to repository: http://hdl.handle.net/20.500.12404/21767
Discipline: Ingeniería Electrónica
Grade or title grantor: Pontificia Universidad Católica del Perú. Facultad de Ciencias e Ingeniería
Grade or title: Ingeniero Electrónico
Juror: Lavarello Montero, Roberto Janniel; Rodríguez Valderrama, Paúl Antonio; Silva Obregon, Gustavo Manuel
Register date: 8-Mar-2022
This item is licensed under a Creative Commons License