DEPARTAMENTO DE MATEMÁTICA – CFM / UFSC

Seminário de Otimização & Problemas Inversos

Título: Convergência superlinear do método de reflexões circuncentrado

Palestrante:  Roger Behling (UFSC)

Resumo: Recentemente, desenvolvemos o primeiro método de reflexões circuncentrado (CRM) capaz de resolver problemas de viabilidade convexos sem reformulação em espaço produto. O novo método, denominado cCRM, trabalha em duas fases. Na primeira fase de cada iteração, cCRM encontra um ponto centralizado, enquanto que na segunda computa um circuncentro generalizado em paralelo a partir da centralização. Discutiremos o fato de cCRM convergir globalmente para uma solução do  problema e apresentaremos um resultado, um tanto surpreendente, de convergência superlinear supondo uma condição de cota de erro aliada a  hipótese de suavidade local dos conjuntos convexos considerados.

Data: Segunda-feira,  07 de Novembro , 14h
Local: Auditório Airton Silva, Departamento de Matemática – MTM /CFM

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

Seminário de Otimização & Problemas Inversos

Título: A two-phase rank-based algorithm for low-rank matrix completion

Palestrante: Douglas S. Gonçalves (UFSC)

Resumo: Matrix completion aims to recover an unknown low-rank matrix from a small subset of its entries. In many applications, the rank of the unknown target matrix is known in advance. In this paper, first, we revisit a recently proposed rank-based heuristic for “known- rank” matrix completion and establish a condition under which the generated sequence is quasi-Fejér convergent to the solution set. Then, by including an acceleration mechanism similar to Nesterov’s acceleration, we obtain a new heuristic. Even though the convergence of this new heuristic cannot be granted in general, it turns out that it can be very useful as a warm-start phase (phase one), providing a suitable estimate for the regularization parameter and a good starting point to an accelerated proximal gradient algorithm (phase two) aimed to solve a nuclear-norm regularized problem. Numerical experiments with both synthetic and real data show that the resulting two-phase rank-based algorithm can recover low-rank matrices, with relatively high precision, faster than other well-established matrix completion algorithms.

Data: Segunda-feira, 24 de Outubro  de 2022 , 14h

Local: Auditório Airton Silva, Departamento de Matemática / CFM

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

Seminário de Otimização & Problemas Inversos
Título: Métodos não lineares para inversão tomográfica
Palestrante: Eduardo Miqueles (LNLS)

Resumo: Alguns problemas de inversão tomográfica que ocorrem em um laboratório de luz síncrotron de 4a geração (Sirius/CNPEM), serão revisitados. Abordaremos as técnicas convencionais de inversão para problemas de imagem que fazem uso de um sub-problema de viabilidade, onde a recuperação da fase é de essencial importância.

Data: Segunda-feira, 26 de Setembro , 14h
Local: Auditório Airton Silva, Departamento de Matemática – MTM /CFM

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

Título: A estratégia do funcional linear e o método da inversa aproximada para problemas inversos não-lineares

Palestrante: Fábio Margotti (UFSC)

Resumo: A estratégia do funcional linear [Anderssen, 1986] serve para reconstruir rapidamente uma característica de interesse da solução de um problema inverso linear. Já o método da inversa aproximada [Louis, 1996], consiste num método de regularização de um passo, usado para reconstruir rapidamente soluções de problemas inversos lineares. Nessa palestra apresentaremos versões de ambos os métodos para problemas inversos não-lineares e analisaremos resultados numéricos para a reconstrução em tempo real de determinadas características num problema de escoamento de fluidos.

Data: Segunda-feira, 12 de Setembro às 14h
Local: Auditório Airton Silva, MTM

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

Seminário de Otimização & Problemas Inversos

Título: Método do tipo Quase-Newton para sistemas não-lineares com restrições de caixa

Palestrante:  Juliano de Bem Francisco (UFSC)

Resumo: Sistemas não-lineares é um tópico de análise numérica/otimização que aparece frequentemente em problemas aplicados ou mesmo como subproduto de problemas matemáticos mais complexos. Em suma, procuramos um vetor x  tal que F(x)=0, em que F é uma função vetorial. Muitas situações, seja por limitações de equipamentos, insumos limitados, faixas permitidas de operação ou mesmo por limitações impostas pelo problema,  aparecem restrições  canalizadas (chamadas comumente de caixa) nas variáveis do sistemas não-linear, isto é,  a solução deve estar entre dois limitantes, digamos l e u. Este tipo de restrição exige estratégias especiais uma vez que os métodos clássicos (por exemplo os do tipo Newton) não podem ser diretamente aplicados. Portanto, estratégias numéricas que usam a estrutura do problema, e que ainda mantêm bons resultados de convergência (sobretudo local),  são de relevância. Nesta palestra apresentamos um método baseado na estratégia Quase-Newton para resolver sistemas não-lineares (quadrados) com restrições canalizadas. A proposta está  baseada em um esquema  afim-escala que  usa elipsoides para forçar que os candidatos a iterados fiquem relativamente próximos da caixa. Neste caso, se no meio do processo algum candidato ficar fora dos limites l ou u, o passo é reduzido para que todos os iterados fiquem no interior do conjunto viável.  Com base em resultados numéricos, mostramos a eficiência do nosso algoritmo em problemas de pequeno e médio porte. O trabalho é em conjunto com o aluno Jonatan Eisermann, ex-aluno de mestrado do programa de pós-graduação do Departamento de Matemática.

Data: Segunda-feira, 30 de maio às14h

Local: Auditório Airton Silva, MTM

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

Seminário de Otimização & Problemas Inversos

Título: Método das projeções relaxadas com penalização uniformemente convexa para solução de sistemas lineares mal-postos em espaços de Banach.

Resumo: Será feita uma apresentação de um método iterativo que visa obter soluções de problemas mal-postos formulados por operadores lineares que atuam entre espaços de Banach. Trata-se de um método do tipo Tikhonov iterado não-estacionário com o termo de penalização sendo a distância de Bregman induzida por uma função uniformemente convexa.
A escolha dos parâmetros de regularização é feita a posteriori e a estratégia adotada para o cálculo dos multiplicadores de Lagrange gera o chamado método das projeções relaxadas (range relaxed).
Discutiremos também as propriedades de convergência, estabilidade e regularização das soluções computadas pelo método proposto.

Palestrante:   Marco Pauleti (UFSC)
Data: Segunda-feira, 2 de maio, 14h
Local: Auditório Airton Silva, Departamento de Matemática

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. krukoski

Seminário de Otimização & Problemas Inverso

Título: Sobre a visão europeia/americana dos problemas inversos nas 2 últimas décadas

Palestrante:  Antonio Leitão (UFSC)

Resumo: Nessa palestra são abordados diversos temas de interesse da comunidade internacional de problemas inversos ao longo das 2 últimas décadas.

Na década de 90 do Sec.XX foi realizada uma série de conferências sobre problemas inversos, que ajudou a fortalecer a colaboração entre grupos de pesquisa europeus (especialmente da Alemanha, Áustria, França) e americanos. O último evento dessa série, em 1998, resultou na elaboração de um proceedings (em 2000) que é emblemático, no sentido de ter estabelecido várias linhas de interesse de pesquisa, as quais permanecem atuais até os dias de hoje (ver attachment). A palestra se destina a investigar tais temas e seus desdobramentos.

Data: Segunda-feira, 18 de abril, 14h.
Local: Auditório Airton Silva, Departamento de Matemática.

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

Seminário de Otimização & Problemas Inversos

Título: First-order methods for the convex hull membership problem

Palestrante:  Rafaela Filippozzi (UFSC)

Resumo: The convex hull membership problem (CHMP) consists in deciding whether a certain point belongs to the convex hull of a fnite set of points, a decision problem with important applications in computational geometry and in foundations of linear programming. In this study, we review, compare and analyze frst-order methods for CHMP, namely, Frank-Wolfe type methods, Projected Gradient methods and a recently introduced geometric algorithm, called Triangle Algorithm (TA). We discuss the connections between this algorithm and Frank-Wolfe, showing that TA can be interpreted as an inexact Frank-Wolfe. Despite this similarity, TA is strongly based on a theorem of alternatives known as distance duality. By using this theorem, we develop suitable stopping criteria for CHMP to be integrated into Frank-Wolfe type and  Projected Gradient methods, allowing a fair numerical comparison between those and the Triangle Algorithm. Interestingly, FrankWolfe integrated with such stopping criterion is nothing but a greedy Triangle Algorithm which is equivalent to an old algorithm due to von Neumann. Our numerical experiments on random instances of CHMP, across different scenarios, indicate that an Away-Step version of Frank-Wolfe achieves the best performance in comparison to other frst-order methods mentioned above.

Data: Segunda-feira, 4 de abril, 14h

Local: Sala MTM202, no Departamento de Matemática

Maiores informações:  http://mtm.ufsc.br/~maicon/seminar

E. Krukoski

E. Krukoski

O Grupo de Estudos em Aprendizagem de Máquina (GEAM) apresenta:

LINK DA CONFERÊNCIA

E. Krukoski