Niewypukła optymalizacja dla uczenia maszynowego

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Non-convex Optimization for Machine Learning

Zawartość książki:

Non-convex Optimization for Machine Learning to dogłębne spojrzenie na podstawy optymalizacji niewypukłej z zastosowaniami do uczenia maszynowego. Przedstawia bogatą literaturę w tej dziedzinie, a także wyposaża czytelnika w narzędzia i techniki potrzebne do analizy tych prostych procedur dla problemów niewypukłych.

Książka Non-convex Optimization for Machine Learning jest tak samodzielna, jak to tylko możliwe, nie tracąc przy tym z pola widzenia głównego tematu, jakim są techniki optymalizacji niewypukłej. Całe rozdziały poświęcone są przedstawieniu podstawowych pojęć z zakresu analizy i optymalizacji wypukłej, a także ich niewypukłych odpowiedników. Jako taka, monografia ta może być wykorzystana w semestralnym kursie podstaw optymalizacji niewypukłej z zastosowaniami do uczenia maszynowego. Z drugiej strony, możliwe jest również wybranie poszczególnych części, takich jak rozdział poświęcony rzadkiemu odzyskiwaniu lub algorytmowi EM, w celu włączenia ich do szerszego kursu. Kilka kursów, takich jak te dotyczące uczenia maszynowego, optymalizacji i przetwarzania sygnałów, może skorzystać z włączenia takich tematów.

Niewypukła optymalizacja w uczeniu maszynowym kończy się spojrzeniem na cztery interesujące zastosowania w obszarach uczenia maszynowego i przetwarzania sygnałów oraz bada, w jaki sposób wprowadzone wcześniej techniki optymalizacji niewypukłej mogą być wykorzystane do rozwiązywania tych problemów.