Восстановление сигналов с помощью стохастической оптимизации

Рассматривается подход к восстановлению сигналов в обобщенных линейных моделях , при котором задача оценивания сигналов сводится к решению стохастических монотонных вариационных неравенств (ВН). Решения таких ВН могут быть получены с помощью эффективно вычислительных процедур, а в случае сильно монотонных ВН допускают верхнюю границу на конечном времени для ожидаемой ошибки $\|\cdot\|_2^2$, сходящуюся к нулю со скоростью $O(1/K)$ с ростом числа $K$ наблюдений. Принятые структурные предположения существенно слабее тех, которые необходимы для обеспечения выпуклости оптимизационной задачи, возникающей при применении метода максимального правдоподобия. Прослеживается связь предлагаемого подхода с идеями, лежащими в основе алгоритма персептрона Розенблата.