节约型分裂算子：表示、最小提升与收敛性

基于摘要分析。本文研究有限和单调包含问题中的节约型（frugal）分裂算子，核心贡献是通过广义原始—对偶预解算子建立统一表示，并据此分析最小提升数、收敛性及新算子的构造。研究对象是优化与单调算子理论，而非神经信号表征学习或 BCI 解码模型。 这类分裂算子对和式中的每个算子恰好进行一次直接求值或预解求值，其输出由这些求值的输入、输出的线性组合确定。作者提出的表示由一个索引和四个矩阵刻画，并给出使节约型分裂算子与广义原始—对偶预解算子两类表示等价的条件；摘要未展开这些矩阵的具体结构和条件。 作者报告，在其研究的分裂框架中，最小提升数为 n−1−f，其中 n 为单调算子的数量，f 为直接求值的数量；达到该最小值要求首个与最后一个算子求值均为预解求值。这里的提升数属于算法状态空间的理论概念，不是网络层数。作者将这一结果定位为对 Ryu 和 Malitsky–Tam 关于节约型预解分裂之最小提升结果的推广。 在直接求值的算子满足余强单调性（cocoercivity）的前提下，作者建立统一收敛分析，并提出构造节约型分裂算子的方法，以一个具有最小提升数、可并行且收敛的新算子为例。具体定理假设、收敛结论的形式、并行实现条件及实验信息尚未验证。摘要未提供 EEG/BCI 应用或明确的任务对应机制，因此不据此推断其解码收益；相关 EEG 工作尚未检索确认。