4.23文创礼盒,买2个减5元 读书月福利
欢迎光临中图网 请 | 注册
> >
机器学习中的优化算法

机器学习中的优化算法

出版社:武汉大学出版社出版时间:2023-12-01
开本: 其他 页数: 100
中 图 价:¥22.5(7.5折) 定价  ¥30.0 登录后可看到会员价
暂时缺货 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

机器学习中的优化算法 版权信息

  • ISBN:9787307239951
  • 条形码:9787307239951 ; 978-7-307-23995-1
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

机器学习中的优化算法 内容简介

近年来,机器学习问题及应用日益受到重视,相关问题的数学本质是数学优化模型。本书主要介绍目前机器学习领域常用的优化算法与实现、算法的收敛性及应用。内容主要包括绪论(优化理论基础、机器学习的常用优化模型介绍)、机器学习的凸优化模型的求解算法、机器学习的非凸优化模型的求解算法、机器学习的其他特殊模型(DC规划、双层规划等)的求解算法。 本书可作为高等院校相关专业机器学习等相关课程的教材或参考书,也可作为相关专业的研究人员和工程技术人员的参考书。

机器学习中的优化算法 目录

第1章 绪论 1.1 向量和矩阵范数 1.2 多元函数分析 1.3 凸分析基础 1.3.1 凸集与凸集分离定理 1.3.2 凸函数 1.3.3 共轭函数 1.4 化问题与算法基础 1.4.1 化问题概述 1.4.2 性条件 1.4.3 化算法框架 第2章 机器学习中的无约束优化模型与算法 2.1 无约束机器学习模型的一阶算法 2.1.1 梯度下降算法 2.1.2 加速梯度下降算法 2.1.3 随机梯度下降算法 2.1.4 临近梯度下降算法 2.1.5 临近随机梯度下降算法 2.1.6 应用举例 2.2 无约束机器学习模型的二阶算法 2.2.1 无约束优化问题的Newton算法 2.2.2 无约束优化问题的拟Newton算法 2.2.3 无约束机器学习模型的子采样Newton型算法 2.2.4 无约束机器学习模型的临近Newton型算法 第3章 机器学习中的约束优化模型与算法 3.1 投影梯度算法 3.1.1 投影与投影矩阵 3.1.2 投影梯度法 3.2 条件梯度及其加速算法 3.2.1 条件梯度法及收敛性 3.2.2 加速条件梯度滑动算法 3.3 原.对偶内点法 3.3.1 凸二次规划的原.对偶内点法 3.3.2 内点法在支持向量机中的应用 3.4 ADMM算法 3.4.1 预备知识 3.4.2 ADMM算法 3.4.3 ADMM的改进算法 3.4.4 ADMM在机器学习中的应用 第4章 其他规划模型与算法 4.1 DC规划 4.1.1 DC规划 4.1.2 基于ramp损失函数的支持向量机模型的DCA算法 4.2 Minimax规划 4.2.1 Minimax规划的 性条件 4.2.2 Minimax规划的算法 4.2.3 鲁棒神经网络训练的Minimax规划模型 4.3 双层规划 4.3.1 双层规划模型简介 4.3.2 双层规划模型的算法
展开全部

机器学习中的优化算法 作者简介

熊慧娟,女,1982年生,副教授,研究生导师。研究方向为数值优化、机器学习。本人近年的研究兴趣集中在机器学习中的优化模型的数值算法研究,相关工作先后获国家自然科学基金数学天元基金、青年基金等项目资助,相关研究结果在Computational Optimization and Applications, Optimization Methods and Software, Analysis and Applications等期刊上发表,曾受留学基金委资助去匹兹堡大学电子与信息工程系访学一年五个月。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服