掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
在線凸優(yōu)化:概念、架構及核心算法 版權信息
- ISBN：9787111690221
- 條形碼：9787111690221 ; 978-7-111-69022-1
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
在線凸優(yōu)化:概念、架構及核心算法 本書特色
適讀人群 ：在線凸優(yōu)化及機器學習相關領域的學生、研究人員及從業(yè)者本書可作為在線凸優(yōu)化大量理論的導論教程。第2~5章主要介紹在線凸優(yōu)化的基本概念、架構和核心算法。本書其余部分則處理更為高級的算法、更為困難的設定和與著名的機器學習范式之間的關系。
在線凸優(yōu)化:概念、架構及核心算法 內(nèi)容簡介
本書可作為在線凸優(yōu)化大量理論的導論教程。第2~5章主要介紹在線凸優(yōu)化的基本概念、架構和核心算法。本書其余部分則處理更為不錯的算法、更為困難的設定和與有名的機器學習范式之間的關系。
在線凸優(yōu)化:概念、架構及核心算法 目錄
前言
致謝
第1章 導論 1
11 在線凸優(yōu)化模型 2
12 可以用OCO建模的例子 3
13 一個溫和的開始: 從專家建議中學習 8
131 加權多數(shù)算法 10
132 隨機加權多數(shù)算法 12
133 對沖 14
14 習題 16
15 文獻點評 17
第2章 凸優(yōu)化的基本概念 18
21 基本定義和設定 18
211 在凸集上的投影 20
212 *優(yōu)條件簡介 21
22 梯度、次梯度下降法 23
23 非光滑和非強凸函數(shù)的歸約 27
231 光滑非強凸函數(shù)的歸約 28
232 強凸非光滑函數(shù)的歸約 29
233 一般凸函數(shù)的歸約 32
24 例子: 支持向量機訓練 33
25 習題 35
26 文獻點評 37
第3章 在線凸優(yōu)化的一階算法 38
31 在線梯度下降法 39
32 下界 42
33 對數(shù)遺憾 43
34 應用: 隨機梯度下降法 45
35 習題 49
36 文獻點評 50
第4章 二階方法 51
41 動機: 通用投資組合選擇 51
411 主流投資組合理論 51
412 通用投資組合理論 52
413 持續(xù)再平衡投資組合 54
42 exp-凹函數(shù) 55
43 在線牛頓步算法 57
44 習題 63
45 文獻點評 64
第5章 正則化 66
51 正則函數(shù) 67
52 RFTL 算法及其分析 69
521 元算法的定義 70
522 遺憾界 70
53 在線鏡像下降法 74
531 遲緩型OMD算法與RFTL 算法的等價性 75
532 鏡像下降的遺憾界 76
54 應用及特殊情形 78
541 在線梯度下降法的導出 79
542 乘法更新的導出 79
55 隨機正則化 81
551 對凸代價函數(shù)的擾動 82
552 對線性代價函數(shù)的擾動 86
553 專家建議中的擾動領袖追隨算法 87
56 *優(yōu)正則化（選學） 90
57 習題 96
58 文獻點評 98
第6章 Bandit凸優(yōu)化 100
61 BCO設定 100
62 多臂賭博機問題 101
63 從有限信息到完整信息的歸約 107
631 第1部分: 使用無偏估計 107
632 第2部分: 點點梯度估計 110
64 不需要梯度的在線梯度下降算法 113
65 BLO*優(yōu)遺憾算法（選學） 116
651 自和諧障礙 116
652 一個近優(yōu)算法 118
66 習題 121
67 文獻點評 122
第7章 無投影算法 123
71 回顧: 與線性代數(shù)相關的概念 123
72 動機: 矩陣補全與推薦系統(tǒng) 124
73 條件梯度法 126
74 投影與線性優(yōu)化 131
75 在線條件梯度算法 133
76 習題 138
77 文獻點評 139
第8章 博弈、對偶性和遺憾 140
81 線性規(guī)劃和對偶性 141
82 零和博弈與均衡 142
83 馮·諾伊曼定理的證明 146
84 近似線性規(guī)劃 148
85 習題 150
86 文獻點評 150
第9章 學習理論、泛化和OCO 152
91 統(tǒng)計學習理論的設定 152
911 過擬合 153
912 沒有免費
致謝
第1章 導論 1
11 在線凸優(yōu)化模型 2
12 可以用OCO建模的例子 3
13 一個溫和的開始: 從專家建議中學習 8
131 加權多數(shù)算法 10
132 隨機加權多數(shù)算法 12
133 對沖 14
14 習題 16
15 文獻點評 17
第2章 凸優(yōu)化的基本概念 18
21 基本定義和設定 18
211 在凸集上的投影 20
212 *優(yōu)條件簡介 21
22 梯度、次梯度下降法 23
23 非光滑和非強凸函數(shù)的歸約 27
231 光滑非強凸函數(shù)的歸約 28
232 強凸非光滑函數(shù)的歸約 29
233 一般凸函數(shù)的歸約 32
24 例子: 支持向量機訓練 33
25 習題 35
26 文獻點評 37
第3章 在線凸優(yōu)化的一階算法 38
31 在線梯度下降法 39
32 下界 42
33 對數(shù)遺憾 43
34 應用: 隨機梯度下降法 45
35 習題 49
36 文獻點評 50
第4章 二階方法 51
41 動機: 通用投資組合選擇 51
411 主流投資組合理論 51
412 通用投資組合理論 52
413 持續(xù)再平衡投資組合 54
42 exp-凹函數(shù) 55
43 在線牛頓步算法 57
44 習題 63
45 文獻點評 64
第5章 正則化 66
51 正則函數(shù) 67
52 RFTL 算法及其分析 69
521 元算法的定義 70
522 遺憾界 70
53 在線鏡像下降法 74
531 遲緩型OMD算法與RFTL 算法的等價性 75
532 鏡像下降的遺憾界 76
54 應用及特殊情形 78
541 在線梯度下降法的導出 79
542 乘法更新的導出 79
55 隨機正則化 81
551 對凸代價函數(shù)的擾動 82
552 對線性代價函數(shù)的擾動 86
553 專家建議中的擾動領袖追隨算法 87
56 *優(yōu)正則化（選學） 90
57 習題 96
58 文獻點評 98
第6章 Bandit凸優(yōu)化 100
61 BCO設定 100
62 多臂賭博機問題 101
63 從有限信息到完整信息的歸約 107
631 第1部分: 使用無偏估計 107
632 第2部分: 點點梯度估計 110
64 不需要梯度的在線梯度下降算法 113
65 BLO*優(yōu)遺憾算法（選學） 116
651 自和諧障礙 116
652 一個近優(yōu)算法 118
66 習題 121
67 文獻點評 122
第7章 無投影算法 123
71 回顧: 與線性代數(shù)相關的概念 123
72 動機: 矩陣補全與推薦系統(tǒng) 124
73 條件梯度法 126
74 投影與線性優(yōu)化 131
75 在線條件梯度算法 133
76 習題 138
77 文獻點評 139
第8章 博弈、對偶性和遺憾 140
81 線性規(guī)劃和對偶性 141
82 零和博弈與均衡 142
83 馮·諾伊曼定理的證明 146
84 近似線性規(guī)劃 148
85 習題 150
86 文獻點評 150
第9章 學習理論、泛化和OCO 152
91 統(tǒng)計學習理論的設定 152
911 過擬合 153
912 沒有免費
展開全部
在線凸優(yōu)化:概念、架構及核心算法 作者簡介
埃拉德·哈贊（Elad Hazan） 普林斯頓大學計算機科學教授，谷歌人工智能普林斯頓公司的聯(lián)合創(chuàng)始人和董事。他專注于機器學習和優(yōu)化中基本問題的算法設計和分析的研究，曾獲得貝爾實驗室獎、2008年度和2012年度IBM Goldberg最佳論文獎、歐洲研究理事會獎、瑪麗·居里獎學金和谷歌研究獎。他曾在計算學習協(xié)會指導委員會任職，并擔任COLT 2015程序委員會主席，2017年與他人共同創(chuàng)建了致力于高效優(yōu)化和控制的In8公司。
書友推薦
- >
二體千字文
- >
巴金－再思錄
- >
羅庸西南聯(lián)大授課錄
- >
中國歷史的瞬間
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
李白與唐代文化
- >
煙與鏡
本類暢銷
