格子布局和优化器效应分析,通过元启发性L1L1方法来生成最佳的跨电刺激 (tES) 组件

科学领域:

• 计算神经科学是一种计算神经科学.
• 生物医学工程 生物医学工程
• 优化算法的优化算法

背景情况:

• 适配和处罚的L1标准 (L1L1) 优化方法用于多通道跨电刺激 (tES).
• L1L1框架通过线性编程来定义tES组装,优化基于超参数的目标函数.

研究的目的:

• 用L1L1方法评估各种优化包,算法和搜索方法的计算性能和可靠性.
• 为了确定产生tES电流模式的最有效的解决方案.

主要方法:

• 从Matlab,MOSEK,Gurobi,CVX (SeDuMi,SDPT3) 的优化解决方案进行了比较.
• 使用的线性编程技术:内部点 (IP),初始简单 (PS) 和双简单 (DS).
• 为L1L1优化实施了详尽,递归和启发式的直接搜索算法.

主要成果:

• 古罗比的IP解决器是首选的内部点方法.
• 在MOSEK的PS和DS解决方案中,人们更喜欢Simplex方法.
• 这些首选方法在不同的搜索策略中显示了L1L1任务的显著计算时间效率.

结论:

• 使用优化解决器的L1L1方法,如Gurobi的IP或MOSEK的Simplex,有效地最大限度地提高了tES的焦点和强度.
• 解决器差异可能来自参数灵敏度或格子分辨率差异,影响双极配置生成.