We have reformulated the optimizati

We have reformulated the optimization problem in the ν-K-SVCR method as an affine BVIP
with a positive semi-definite matrix and proposed a regularized version of the nonsmooth Newton
method for solving the resulting problems. This method fully exploits the special feature
of the problem and the numerical experiments have shown that this method is considerably
faster than the standard routine. In particular, it also has shown good performance on large
datasets for which the standard routine may not be suitable.

ผลลัพธ์ (ไทย) 1:

เรามีมีปัญหาปรับวิธีν-K-SVCR เป็นการ BVIP affineมีเมทริกซ์เป็นบวกแน่นอนกึ่ง และเสนอนิวตัน nonsmooth รุ่น regularizedวิธีการแก้ปัญหาได้ วิธีนี้นำคุณลักษณะพิเศษครบครันของปัญหาและทดลองเป็นตัวเลขแสดงให้เห็นว่า วิธีการนี้เป็นอย่างมากเร็วกว่าขั้นตอนมาตรฐาน โดยเฉพาะ ก็ยังมีแสดงประสิทธิภาพที่ดีบนขนาดใหญ่datasets ซึ่งชุดคำสั่งมาตรฐานอาจไม่เหมาะสม

ผลลัพธ์ (ไทย) 2:

เราได้ reformulated ปัญหาการเพิ่มประสิทธิภาพในการν-K-SVCR เป็น BVIP
เลียนแบบกับเมทริกซ์กึ่งชัดเจนในเชิงบวกและเสนอรุ่นregularized ของนิวตัน nonsmooth
วิธีการแก้ปัญหาที่เกิดขึ้น วิธีการนี้อย่างเต็มที่ใช้ประโยชน์จากคุณลักษณะพิเศษของปัญหาและการทดลองที่เป็นตัวเลขได้แสดงให้เห็นว่าวิธีนี้เป็นอย่างมากเร็วกว่ามาตรฐานประจำ โดยเฉพาะอย่างยิ่งนอกจากนี้ยังมีการแสดงผลงานที่ดีในที่มีขนาดใหญ่ชุดข้อมูลที่ประจำมาตรฐานอาจจะไม่เหมาะ

ผลลัพธ์ (ไทย) 3:

เรามีเงื่อนไขการเพิ่มปัญหาในν - k-svcr วิธีเป็นการเลียนแบบ bvip
กับบวกกึ่งแน่นอนเมทริกซ์และเสนอ regularized รุ่นวิธีนิวตัน
nonsmooth เพื่อแก้ไขปัญหาที่เกิด วิธีนี้อย่างเต็มที่ใช้ประโยชน์จากคุณลักษณะพิเศษ
ของปัญหาและการทดลองเชิงตัวเลขแสดงให้เห็นว่าวิธีนี้เป็นวิธีที่มาก
เร็วกว่าขั้นตอนมาตรฐานโดยเฉพาะ นอกจากนี้ยังได้แสดงประสิทธิภาพที่ดีในชุดข้อมูลที่มีขนาดใหญ่ซึ่งตามปกติมาตรฐาน

อาจจะไม่เหมาะ .