提出新判据，证明相位恢复中梯度下降几乎必收敛到全局最优。

Global convergence of gradient descent for phase retrieval

• 基于张量设计良性景观判据，确保优化路径无局部陷阱。
• 证明梯度轨迹有界，避免发散或陷入局部极小。
• 适合研究优化理论与信号恢复的学者参考。

我们提出了一个基于张量的相位恢复良性景观判据，并建立了梯度轨迹的有界性。这表明，对于几乎所有初始点，梯度下降都将收敛到全局最小值。该结果为相位恢复中的非凸优化提供了严格收敛保证，拓展了对高维非凸问题优化行为的理解。

原文摘要 · Abstract (English)

We propose a tensor-based criterion for benign landscape in phase retrieval and establish boundedness of gradient trajectories. This implies that gradient descent will converge to a global minimum for almost every initial point.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。