机器学习中的优化算法
全新正版 极速发货
￥ 12.97 4.3折 ￥ 30 全新
库存12件
广东广州
认证卖家担保交易快速发货售后保障
作者编者:熊慧娟|责编:任仕元
出版社武汉大学
ISBN9787307239951
出版时间2023-12
装帧平装
开本其他
定价30元
货号1203186366
上书时间2024-06-18
商品详情
- 品相描述：全新
- 商品描述
-
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 最优化问题与算法基础
1.4.1 最优化问题概述
1.4.2 最优性条件
1.4.3 最优化算法框架
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规划的最优性条件
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
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价