FAASTA: A fast solver for total-variation regularization of ill-conditioned problems with application to brain imaging

Résumé : Il n'y a pas de formule analytique pour résoudre les problèmes de débruitage avec pénalité en variation totale, tout comme pour beaucoup d'autres problèmes de parcimonie en analyse. En conséquence, son utilisation pour régulariser un problème inverse conduit à de difficiles problèmes d'optimisation, qui sont souvent résolus par des méthodes de premier ordre. Cependant, lorsque le terme d'attache aux données est très mal conditionné et sans structure simple, comme en imagerie cérébrale, son optimisation est coûteuse. Il convient alors de minimiser le nombre d'itérations globales. Nous présentons pour cela fAASTA, une variante de FISTA qui utilise une optimisation interne pour l'opérateur proximal avec une tolérance adaptative. Nous illustrons son intérêt sur une étude empirique d'un problème de "décodage cérébral".
Liste complète des métadonnées

https://hal.inria.fr/hal-01247388
Contributeur : Gaël Varoquaux <>
Soumis le : lundi 21 décembre 2015 - 18:44:18
Dernière modification le : vendredi 22 juin 2018 - 01:20:17
Document(s) archivé(s) le : mardi 22 mars 2016 - 14:11:11

Fichiers

paper.pdf
Fichiers produits par l'(les) auteur(s)

Licence


Distributed under a Creative Commons Paternité - Pas de modifications 4.0 International License

Identifiants

  • HAL Id : hal-01247388, version 1
  • ARXIV : 1512.06999

Citation

Gaël Varoquaux, Michael Eickenberg, Elvis Dohmatob, Bertand Thirion. FAASTA: A fast solver for total-variation regularization of ill-conditioned problems with application to brain imaging. Colloque GRETSI, Sep 2015, Lyon, France. Gretsi, 2015, 〈http://www.gretsi.fr/colloque2015/myGretsi/programme.php〉. 〈hal-01247388〉

Partager

Métriques

Consultations de la notice

332

Téléchargements de fichiers

332