Back to Search Start Over

Analyse de convergence pour des méthodes d’inversion multi-étapes de type one-shot

Authors :
Bonazzoli, Marcella
Haddar, Houssem
Vu, Tuan
Inversion of Differential Equations For Imaging and physiX (IDEFIX)
Inria Saclay - Ile de France
Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Unité de Mathématiques Appliquées (UMA)
École Nationale Supérieure de Techniques Avancées (ENSTA Paris)-École Nationale Supérieure de Techniques Avancées (ENSTA Paris)
Inria Saclay
ENSTA ParisTech
Source :
[Research Report] RR-9477, Inria Saclay; ENSTA ParisTech. 2022
Publication Year :
2022
Publisher :
HAL CCSD, 2022.

Abstract

In this work we are interested in general linear inverse problems where the corresponding forward problem is solved iteratively using fixed point methods. Then one-shot methods, which iterate at the same time on the forward problem solution and on the inverse problem unknown, can be applied. We analyze two variants of the so-called multi-step one-shot methods and establish sufficient conditions on the descent step for their convergence, by studying the eigenvalues of the block matrix of the coupled iterations. Several numerical experiments are provided to illustrate the convergence of these methods in comparison with the classical usual and shifted gradient descent. In particular, we observe that very few inner iterations on the forward problem are enough to guarantee good convergence of the inversion algorithm.; Dans ce travail nous nous intéressons à des problèmes inverses linéaires généraux où le problème direct correspondant est résolu de façon itérative en utilisant des méthodes de point fixe. Ainsi, les méthodes de type one-shot, qui itèrent en même temps sur la solution du problème direct et l’inconnue du problème inverse, peuvent être appliquées. Nous considérons deux variantes des méthodes multi-étapes de type one-shot et nous établissons des conditions suffisantes et nécessaires sur le pas de descente pour leur convergence, en étudiant les valeurs propres de la matrice par blocs des itérations couplées. Plusieurs tests numériques sont présentés pour illustrer la convergence de ces méthodes par rapport aux méthodes de descente de gradient usuelle et décentrée. En particulier, nous observons que très peu d’itérations internes pour le problème direct sont suffisantes pour garantir une bonne convergence de l’algorithme d’inversion.

Details

Language :
English
Database :
OpenAIRE
Journal :
[Research Report] RR-9477, Inria Saclay; ENSTA ParisTech. 2022
Accession number :
edsair.od.......165..e78a77749de27e135b09fef840b1f6d6