Optymalizacja rozproszona i uczenie statystyczne za pomocą metody mnożników w kierunku zmiennym

Optymalizacja rozproszona i uczenie statystyczne za pomocą metody mnożników w kierunku zmiennym (Stephen Boyd)

Oryginalny tytuł:

Distributed Optimization and Statistical Learning Via the Alternating Direction Method of Multipliers

Zawartość książki:

Wiele problemów z zakresu statystyki i uczenia maszynowego może być rozwiązywanych w ramach optymalizacji wypukłej.

Ze względu na eksplozję wielkości i złożoności współczesnych zbiorów danych, coraz ważniejsza staje się możliwość rozwiązywania problemów z bardzo dużą liczbą cech lub przykładów treningowych. W rezultacie zarówno zdecentralizowane gromadzenie lub przechowywanie tych zbiorów danych, jak i towarzyszące im rozproszone metody rozwiązywania są albo konieczne, albo przynajmniej wysoce pożądane.

Książka "Distributed Optimization and Statistical Learning via the Alternating Direction Method of Multipliers" dowodzi, że metoda mnożników o zmiennym kierunku dobrze nadaje się do rozproszonej optymalizacji wypukłej, a w szczególności do problemów na dużą skalę pojawiających się w statystyce, uczeniu maszynowym i dziedzinach pokrewnych. Metoda ta została opracowana w latach siedemdziesiątych XX wieku, a jej korzenie sięgają lat pięćdziesiątych XX wieku, i jest równoważna lub blisko spokrewniona z wieloma innymi algorytmami, takimi jak podwójna dekompozycja, metoda mnożników, podział Douglasa-Rachforda, metoda częściowych odwrotności Spingarna, projekcje naprzemienne Dykstry, iteracyjne algorytmy Bregmana dla ℓ. 1, metod proksymalnych i innych.

Po krótkim przeglądzie teorii i historii algorytmu, omawia on zastosowania do szerokiej gamy problemów statystycznych i uczenia maszynowego, w tym lasso, rzadkiej regresji logistycznej, pościgu za podstawą, selekcji kowariancji, maszyn wektorów nośnych i wielu innych. Omówiono także ogólną optymalizację rozproszoną, rozszerzenia do niewypukłego ustawienia i wydajną implementację, w tym niektóre szczegóły dotyczące rozproszonych implementacji MPI i Hadoop MapReduce.

Dodatkowe informacje o książce:

ISBN:9781601984609
Autor:
Wydawca:
Język:angielski
Oprawa:Miękka oprawa

Zakup:

Obecnie dostępne, na stanie.

Inne książki autora:

Optymalizacja wypukła - Convex Optimization
Problemy optymalizacji wypukłej pojawiają się często w wielu różnych dziedzinach. Książka ta, będąca kompleksowym wprowadzeniem do...
Optymalizacja wypukła - Convex Optimization
Wprowadzenie do stosowanej algebry liniowej - Introduction to Applied Linear Algebra
Ten przełomowy podręcznik łączy proste wyjaśnienia z bogactwem...
Wprowadzenie do stosowanej algebry liniowej - Introduction to Applied Linear Algebra
Podróż do czyśćca świętego Patryka - Journey to St Patrick's Purgatory
Jesienią 1397 r. wicehrabia Ramon de Perells, kataloński szlachcic, żołnierz i...
Podróż do czyśćca świętego Patryka - Journey to St Patrick's Purgatory
Sztuka Cervantesa w Don Kichocie: Eseje krytyczne - The Art of Cervantes in Don Quixote: Critical...
Cztery wieki po jego śmierci w 1616 roku, wielka...
Sztuka Cervantesa w Don Kichocie: Eseje krytyczne - The Art of Cervantes in Don Quixote: Critical Essays
Przewodnik po powieściach Cervantesa - A Companion to Cervantes's Novelas Ejemplares
Ten zredagowany tom czternastu specjalnie zamówionych esejów, napisanych...
Przewodnik po powieściach Cervantesa - A Companion to Cervantes's Novelas Ejemplares
Handel wielookresowy za pomocą optymalizacji wypukłej - Multi-Period Trading Via Convex...
Multi-Period Trading via Convex Optimization rozważa...
Handel wielookresowy za pomocą optymalizacji wypukłej - Multi-Period Trading Via Convex Optimization
Optymalizacja rozproszona i uczenie statystyczne za pomocą metody mnożników w kierunku zmiennym -...
Wiele problemów z zakresu statystyki i uczenia...
Optymalizacja rozproszona i uczenie statystyczne za pomocą metody mnożników w kierunku zmiennym - Distributed Optimization and Statistical Learning Via the Alternating Direction Method of Multipliers

Prace autora wydały następujące wydawnictwa:

© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)