您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 凸优化的概念

  2. 凸优化的概念,凸优化是数学领域一个重要的多分枝,很多理论的发展都依赖于它。
  3. 所属分类:讲义

    • 发布日期:2014-06-01
    • 文件大小:168960
    • 提供者:xr1064
  1. Nonlinear programming

  2. 本书涵盖了非线性规划的主要内容,包括无约束优化、凸优化、拉格朗日乘子理论和算法、对偶理论和方法等,并包含了大量的实际应用案例 .本书从无约束优化问题入手,通过直观分析和严谨证明给出了无约束优化问题的最优性条件,并讨论了梯度法、牛顿法、共轭方向法等实用算法 .进而本书将无约束优化问题的最优性条件和算法推广到具有凸集约束的优化问题中,进一步讨论了处理约束问题的可行方向法、条件梯度法、梯度投影法、双矩阵投影法、坐标块下降法等算法 .拉格朗日乘子理论和算法是非线性规划的核心内容之一,也是本书的重点 .
  3. 所属分类:其它

    • 发布日期:2014-08-19
    • 文件大小:25165824
    • 提供者:time_runner
  1. convex optimization

  2. 关于凸优化的一本基础书籍,里边是关于凸优化的一些基本概念以及基本方法。
  3. 所属分类:专业指导

    • 发布日期:2014-12-10
    • 文件大小:4194304
    • 提供者:yuanhuan923
  1. 凸优化和凸分析

  2. 本书针对最优化问题介绍凸分析方法。第1章介绍凸集、凸函数、上境图、凸包、仿射包、相对内点、回收锥等凸分析的基本概念及其相关性质;第2章讨论凸性在最优化问题中的基本作用,介绍最优解集的存在性定理、投影定理、凸集分离定理、极小公共点与极大交叉点对偶问题以及一般性的极小极大定理和鞍点定理;第3章讨论凸集为多面体的情况,介绍线性Farkas引理、凸多面体的Minkowski Weyl表示定理、线性规划的基本定理、凸多面体的极小极大定理以及非线性Farkas引理;第4章介绍方向导数、次梯度、次微分、切锥
  3. 所属分类:数据库

    • 发布日期:2015-07-07
    • 文件大小:41943040
    • 提供者:qq_25692343
  1. convex optimization

  2. 这是一本很好的凸优化的书籍,对很多概念境界的北交细致,还不错的
  3. 所属分类:讲义

    • 发布日期:2015-12-12
    • 文件大小:5242880
    • 提供者:baidu_28312441
  1. 凸优化课件—庄白金

  2. 非常不错的凸优化课件,总结了凸优化的经常性概念及定义,对《Convex Optimization》这本书的学习更快速。
  3. 所属分类:专业指导

    • 发布日期:2016-05-17
    • 文件大小:1048576
    • 提供者:u010165147
  1. 凸优化与概率初步

  2. 概率论中,掌握各种分布的性质 了解指数族分布 引出充分统计量和广义线性模型GLM的概念 了解凸集和凸优化的一般过程和概念
  3. 所属分类:机器学习

    • 发布日期:2017-11-12
    • 文件大小:4194304
    • 提供者:gabriel1972
  1. 凸优化 学习PPT

  2. 凸优化的理论与应用PPT,主要介绍凸优化概念,对偶概念等等
  3. 所属分类:机器学习

    • 发布日期:2018-06-11
    • 文件大小:3145728
    • 提供者:weixin_41458017
  1. 凸优化Lecture1

  2. 改文档为第一次讨论班内容,其中包含凸集,凸函数以及凸优化问题的概念
  3. 所属分类:机器学习

    • 发布日期:2018-11-11
    • 文件大小:770048
    • 提供者:eric2016_lv
  1. 从零推导支持向量机(SVM)

  2. 支持向量机 (SVM) 是一个非常经典且高效的 分类模型. 但是, 支持向量机中涉及许多复杂 的数学推导, 并需要比较强的凸优化基础, 使 得有些初学者虽下大量时间和精力研读, 但仍 一头雾水, 最终对其望而却步. 本文旨在从零 构建支持向量机, 涵盖从思想到形式化, 再简 化, 最后实现的完整过程, 并展现其完整思想 脉络和所有公式推导细节. 本文力图做到逻辑 清晰而删繁就简, 避免引入不必要的概念, 记 号等. 此外, 本文并不需要读者有凸优化的基 础, 以减轻读者的负担. 对于用到的优化技
  3. 所属分类:机器学习

    • 发布日期:2018-12-26
    • 文件大小:514048
    • 提供者:xuezu29
  1. 4.1凸优化初步

  2. 概率论中,掌握各种分布的性质 了解指数族分布 引出充分统计量和广义线性模型GLM的概念 了解凸集和凸优化的一般过程和概念
  3. 所属分类:机器学习

    • 发布日期:2019-02-20
    • 文件大小:4194304
    • 提供者:qq_31441951
  1. 凸优化中文完整版-pages-261-520.pdf

  2. 理论部分由4章构成,不仅涵盖了凸优化的所有基本概念和主要结果,还详细介绍了几类基本的凸优化问题以及将特殊的优化问题表述为凸优化问题的变换方法,这些内容对灵活运用凸优化知识解决实际问题非常有用。应用部分由3章构成,分别介绍凸优化在解决逼近与拟合、统计估计和几何关系分析这三类实际问题中的应用。算法部分也由3章构成,依次介绍求解无约束凸优化模型、等式约束凸优化模型以及包含不等式约束的凸优化模型的经典数值方法,以及如何利用凸优化理论分析这些方法的收敛性质。通过阅读《凸优化》,能够对凸优化理论和方法建立
  3. 所属分类:机器学习

    • 发布日期:2019-06-04
    • 文件大小:16777216
    • 提供者:lee_yx_
  1. AI学习知识点.xmind

  2. *AI学习知识点* 1. 基础知识 概率论 微积分与逼近论 极限、微分、积分的基本概念 利用逼近的思想理解微积分,利用积分的方式理解概率论 概率论的基础 古典模型 常见的概率分布 大数定理和中心极限定理 协方差和相关系数 最大似然估计和最大后验估计 凸优化 凸优化的基本概念 凸函数 凸集 凸优化问题的标准形式 线性代数及矩阵 线性空间及线性变化 矩阵的基本概念 状态转移矩阵 特征
  3. 所属分类:Python

    • 发布日期:2019-07-15
    • 文件大小:240640
    • 提供者:lingfeian
  1. 进阶网络神经.md pytorch

  2. 深度卷积神经网络(AlexNet) LeNet: 在大的真实数据集上的表现并不尽如⼈意。 1.神经网络计算复杂。 2.还没有⼤量深⼊研究参数初始化和⾮凸优化算法等诸多领域。 机器学习的特征提取:手工定义的特征提取函数 神经网络的特征提取:通过学习得到数据的多级表征,并逐级表⽰越来越抽象的概念或模式。 神经网络发展的限制:数据、硬件
  3. 所属分类:深度学习

    • 发布日期:2020-02-17
    • 文件大小:13312
    • 提供者:qq_40441895
  1. Convex_Optimization_Stanford_课件全_.pdf

  2. 理论部分由4章构成,不仅涵盖了凸优化的所有基本概念和主要结果,还详细介绍了几类基本的凸优化问题以及将特殊的优化问题表述为凸优化问题的变换方法,这些内容对灵活运用凸优化知识解决实际问题非常有用。应用部分由3章构成,分别介绍凸优化在解决逼近与拟合、统计估计和几何关系分析这三类实际问题中的应用。算法部分也由3章构成,依次介绍求解无约束凸优化模型、等式约束凸优化模型以及包含不等式约束的凸优化模型的经典数值方法,以及如何利用凸优化理论分析这些方法的收敛性质。
  3. 所属分类:机器学习

    • 发布日期:2020-12-01
    • 文件大小:2097152
    • 提供者:u010021014
  1. 《动手学——卷积神经网络进阶》笔记

  2. 深度卷积神经网络(AlexNet) LeNet: 在大的真实数据集上的表现并不尽如⼈意。 1.神经网络计算复杂。 2.还没有⼤量深⼊研究参数初始化和⾮凸优化算法等诸多领域。 两派特征提取的观点: 机器学习的特征提取:手工定义的特征提取函数 神经网络的特征提取:通过学习得到数据的多级表征,并逐级表⽰越来越抽象的概念或模式。 AlexNet 首次证明了学习到的特征可以超越⼿⼯设计的特征,从而⼀举打破计算机视觉研究的前状。 特征: 8层变换,其中有5层卷积和2层全连接隐藏层,以及1个全连接输出层。
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:392192
    • 提供者:weixin_38752628
  1. Datawhale 组队学习打卡营 任务15:卷积神经网络进阶

  2. 目录 深度卷积神经网络(AlexNet) 1. AlexNet 2.载入数据集 3. 训练 使用重复元素的网络(VGG) 1. VGG11的简单实现 ⽹络中的⽹络(NiN) GoogLeNet 1. GoogLeNet模型 . . 深度卷积神经网络(AlexNet) LeNet: 在大的真实数据集上的表现并不尽如⼈意。 1.神经网络计算复杂。 2.还没有⼤量深⼊研究参数初始化和⾮凸优化算法等诸多领域。 机器学习的特征提取:手工定义的特征提取函数 神经网络的特征提取:通过学习得到数据的多级表征,并
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:372736
    • 提供者:weixin_38630853
  1. 卷积神经网络进阶

  2. 深度卷积神经网络(AlexNet) LeNet: 在大的真实数据集上的表现并不尽如⼈意。 神经网络计算复杂。 还没有⼤量深⼊研究参数初始化和⾮凸优化算法等诸多领域。 机器学习的特征提取:手工定义的特征提取函数 神经网络的特征提取:通过学习得到数据的多级表征,并逐级表⽰越来越抽象的概念或模式。 神经网络发展的限制:数据、硬件 AlexNet 首次证明了学习到的特征可以超越⼿⼯设计的特征,从而⼀举打破计算机视觉研究的前状。 特征: 8层变换,其中有5层卷积和2层全连接隐藏层,以及1个全连接输出层。
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:37888
    • 提供者:weixin_38659648
  1. DL基于Pytorch Day5 卷积神经网络进阶

  2. 1.深度卷积神经网络(AlexNet) LeNet: 在大的真实数据集上的表现并不尽如⼈意。 1.神经网络计算复杂。 2.还没有⼤量深⼊研究参数初始化和⾮凸优化算法等诸多领域。 机器学习的特征提取:手工定义的特征提取函数 神经网络的特征提取:通过学习得到数据的多级表征,并逐级表⽰越来越抽象的概念或模式。 神经网络发展的限制:数据、硬件 AlexNet 首次证明了学习到的特征可以超越⼿⼯设计的特征,从而⼀举打破计算机视觉研究的前状。 特征: 8层变换,其中有5层卷积和2层全连接隐藏层,以及1个全连
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:330752
    • 提供者:weixin_38614952
  1. 凸性证明和仿射包仿射集证明.pdf

  2. 凸优化概念和结论的证明
  3. 所属分类:机器学习

    • 发布日期:2021-03-30
    • 文件大小:133120
    • 提供者:m0_46976252
« 12 »