近端梯度下降算法 和迭代阈值收缩算法（ISTA）和 软阈值

近端梯度下降算法(Proximal Gradient Algorithm)

https://blog.csdn.net/qq_38290475/article/details/81052206?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

软阈值迭代算法（ISTA）和快速软阈值迭代算法（FISTA）

https://www.cnblogs.com/louisanu/p/12045861.html

软阈值(Soft Thresholding)函数解读

https://blog.csdn.net/weixin_43722782/article/details/102916642?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522158475505419724839206996%2522%252C%2522scm%2522%253A%252220140713.130056874..%2522%257D&request_id=158475505419724839206996&biz_id=0&utm_source=distribute.pc_search_result.none-task

根据“软阈值(Soft Thresholding)函数解读“有如下结论：

的最小值是，即。当X系数不为m时，需要先把变为/m。

ISTA用到了软阈值(Soft Thresholding)函数解读的结论，联合满足满足L-Lipschitz连续条件下的下图得到的。