Un método de línea de extragradiente de subgradiente de tipo viscosidad paralela para encontrar la solución común de problemas de desigualdad variacional aplicados a problemas de restauración de imágenes
Autores: Suantai, Suthep; Peeyada, Pronpat; Yambangwai, Damrongsak; Cholamjiak, Watcharaporn
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Un método de línea de extragradiente de subgradiente de tipo viscosidad paralela para encontrar la solución común de problemas de desigualdad variacional aplicados a problemas de restauración de imágenes
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Algoritmo
Convergencia
Problemas de desigualdad variacional
Ejemplos numéricos
Recuperación de imágenes
Método de subgradiente de extragradiente en línea
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
En este documento, estudiamos un método de línea de extragradiente de subgradiente de tipo viscosidad modificado con un algoritmo híbrido monótono paralelo para aproximar una solución común de problemas de desigualdad variacional. Bajo condiciones adecuadas en espacios de Hilbert, se demuestra el teorema de convergencia fuerte del algoritmo propuesto a dicha solución común. Luego, proporcionamos ejemplos numéricos en espacios de dimensión finita e infinita para justificar nuestro teorema principal. Finalmente, podemos mostrar que nuestro algoritmo propuesto es flexible y tiene buena calidad para usar con tipos comunes de efectos de desenfoque en la recuperación de imágenes.
Descripción
En este documento, estudiamos un método de línea de extragradiente de subgradiente de tipo viscosidad modificado con un algoritmo híbrido monótono paralelo para aproximar una solución común de problemas de desigualdad variacional. Bajo condiciones adecuadas en espacios de Hilbert, se demuestra el teorema de convergencia fuerte del algoritmo propuesto a dicha solución común. Luego, proporcionamos ejemplos numéricos en espacios de dimensión finita e infinita para justificar nuestro teorema principal. Finalmente, podemos mostrar que nuestro algoritmo propuesto es flexible y tiene buena calidad para usar con tipos comunes de efectos de desenfoque en la recuperación de imágenes.