Wprowadzenie do optymalizacji - z zastosowaniami do uczenia maszynowego (Chong Edwin K. P. (Colorado State University))

Opinie czytelników

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

Oryginalny tytuł:

Introduction to Optimization - With Applications to Machine Learning (Chong Edwin K. P. (Colorado State University))

Zawartość książki:

Wprowadzenie do optymalizacji

Przystępny podręcznik wprowadzający w teorię i metody optymalizacji, z naciskiem na projektowanie inżynierskie, zawierający ćwiczenia MATLAB® i praktyczne przykłady.

Piąte wydanie książki An Introduction to Optimization, w pełni zaktualizowane w celu odzwierciedlenia współczesnych osiągnięć w tej dziedzinie, zaspokaja potrzebę przystępnego, ale rygorystycznego wprowadzenia do teorii i metod optymalizacji, oferując innowacyjny zakres i proste podejście. Książka rozpoczyna się od przeglądu podstawowych definicji i notacji, zapewniając jednocześnie podstawowe podstawy algebry liniowej, geometrii i rachunku różniczkowego.

Mając te podstawy, autorzy badają podstawowe tematy związane z problemami optymalizacji bez ograniczeń, programowaniem liniowym i optymalizacją z ograniczeniami nieliniowymi. Ponadto książka zawiera wprowadzenie do sztucznych sieci neuronowych, optymalizacji wypukłej, optymalizacji wielopodmiotowej i zastosowań optymalizacji w uczeniu maszynowym.

Liczne diagramy i rysunki znajdujące się w całej książce uzupełniają pisemną prezentację kluczowych pojęć, a po każdym rozdziale znajdują się ćwiczenia MATLAB® i problemy praktyczne, które wzmacniają omawianą teorię i algorytmy.

Piąte wydanie zawiera nowy rozdział na temat dualności Lagrangian (nieliniowej), rozszerzone omówienie gier macierzowych, algorytmów gradientowych, uczenia maszynowego oraz liczne nowe ćwiczenia na końcu każdego rozdziału.

Wprowadzenie do optymalizacji zawiera informacje na temat Matematycznych definicji, notacji i relacji z algebry liniowej, geometrii i rachunku różniczkowego wykorzystywanych w optymalizacji Algorytmów optymalizacji, obejmujących wyszukiwanie jednowymiarowe, wyszukiwanie losowe oraz metody gradientowe, Newtona, sprzężonego kierunku i quasi-Newtona Metod programowania liniowego, obejmujących algorytm simpleks, metody punktów wewnętrznych, i dualność Nieliniowa optymalizacja z ograniczeniami, obejmująca teorię i algorytmy, optymalizację wypukłą i dualność Lagrangian Zastosowania optymalizacji w uczeniu maszynowym, w tym szkolenie sieci neuronowych, klasyfikacja, stochastyczne zejście gradientowe, regresja liniowa, regresja logistyczna, maszyny wektorów nośnych i klastrowanie.

An Introduction to Optimization to idealny podręcznik na jedno- lub dwusemestralne studia licencjackie lub początkujące studia magisterskie w zakresie teorii i metod optymalizacji. Tekst jest również wartościowy dla naukowców i profesjonalistów w dziedzinie matematyki, badań operacyjnych, inżynierii elektrycznej, ekonomii, statystyki i biznesu.