在线凸优化：概念、架构及核心算法
正版新书 新华官方库房直发 可开电子发票
￥ 43.47 6.3折 ￥ 69 全新
库存4件
作者[美]伊兰德·卡赞(Elad Hazan)
出版社机械工业出版社
ISBN9787111690221
出版时间2021-09
版次1
装帧平装
开本16开
纸张胶版纸
页数188页
字数0.126千字
定价69元
货号SC:9787111690221
上书时间2024-12-24
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
埃拉德·哈赞（Elad Hazan） 普林斯顿大学计算机科学教授，谷歌人工智能普林斯顿公司的联合创始人和董事。他专注于机器学习和优化中基本问题的算法设计和分析的研究，曾获得贝尔实验室奖、2008年度和2012年度IBM Goldberg很好论文奖、欧洲研究理事会奖、玛丽·居里奖学金和谷歌研究奖。他曾在计算学习协会指导委员会任职，并担任COLT 2015程序委员会主席，2017年与他人共同创建了致力于高效优化和控制的In8公司。
主编推荐:
本书可作为在线凸优化大量理论的导论教程。第2~5章主要介绍在线凸优化的基本概念、架构和核心算法。本书其余部分则处理更为高级的算法、更为困难的设定和与有名的机器学习范式之间的关系。
内容简介:
本书可作为在线凸优化大量理论的导论教程。第2~5章主要介绍在线凸优化的基本概念、架构和核心算法。本书其余部分则处理更为高级的算法、更为困难的设定和与有名的机器学习范式之间的关系。
目录:
前言致谢第1章 导论 11.1 在线凸优化模型 21.2 可以用OCO建模的例子 31.3 一个温和的开始: 从专家建议中学习 81.3.1 加权多数算法 101.3.2 随机加权多数算法 121.3.3 对冲 141.4 习题 161.5 文献点评 17第2章 凸优化的基本概念 182.1 基本定义和设定 182.1.1 在凸集上的投影 202.1.2 很优条件简介 212.2 梯度、次梯度下降法 232.3 非光滑和非强凸函数的归约 272.3.1 光滑非强凸函数的归约 282.3.2 强凸非光滑函数的归约 292.3.3 一般凸函数的归约 322.4 例子: 支持向量机训练 332.5 习题 352.6 文献点评 37第3章 在线凸优化的一阶算法 383.1 在线梯度下降法 393.
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价