Bevezetés az optimalizálásba - a gépi tanulás alkalmazásaival (Chong Edwin K. P. (Colorado State University))

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.

Eredeti címe:

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

Könyv tartalma:

Bevezetés az optimalizálásba

Megközelíthető bevezető tankönyv az optimalizálás elméletéről és módszereiről, a mérnöki tervezésre helyezve a hangsúlyt, MATLAB® feladatokkal és kidolgozott példákkal.

Az An Introduction to Optimization (Bevezetés az optimalizálásba) ötödik kiadása teljes mértékben frissítve, hogy tükrözze a terület modern fejlődését, innovatív lefedettséggel és egyszerű megközelítéssel teljesíti az optimalizálás elméletének és módszereinek közérthető, mégis szigorú bevezetése iránti igényt. A könyv az alapvető definíciók és jelölések áttekintésével kezdődik, miközben a lineáris algebra, a geometria és a számtan kapcsolódó alapvető hátterét is megadja.

Ezen az alapon a szerzők a korlátlan optimalizálási problémák, a lineáris programozási problémák és a nemlineáris korlátozott optimalizálás alapvető témáit járják körül. Emellett a könyv bevezetést tartalmaz a mesterséges neurális hálózatokba, a konvex optimalizálásba, a többcélú optimalizálásba és az optimalizálás gépi tanulásban való alkalmazásaiba.

A könyvben található számos diagram és ábra egészíti ki a legfontosabb fogalmak írott bemutatását, és minden fejezetet MATLAB®-gyakorlatok és gyakorlati feladatok követnek, amelyek megerősítik a tárgyalt elméletet és algoritmusokat.

Az ötödik kiadás új fejezetet tartalmaz a Lagrange-féle (nemlineáris) kettősségről, a mátrixjátékok, a kivetített gradiens algoritmusok, a gépi tanulás bővített lefedettségét, valamint számos új feladatot az egyes fejezetek végén.

A Bevezetés az optimalizálásba a következőkről tartalmaz információkat: Az optimalizálásban használt matematikai definíciók, jelölések és összefüggések a lineáris algebrából, geometriából és számtanból Optimalizálási algoritmusok, amelyek lefedik az egydimenziós keresést, a véletlenszerű keresést és a gradiens, Newton, konjugált irányú és kvázi-Newton módszereket Lineáris programozási módszerek, amelyek lefedik a szimplex algoritmust, a belső pont módszereket, és a dualitás Nemlineáris korlátozott optimalizálás, beleértve az elméletet és az algoritmusokat, a konvex optimalizálást és a Lagrange-féle dualitást Az optimalizálás alkalmazásai a gépi tanulásban, beleértve a neurális hálózatok képzését, az osztályozást, a sztochasztikus gradiens ereszkedést, a lineáris regressziót, a logisztikus regressziót, a támogató vektoros gépeket és a klaszterezést.

Az An Introduction to Optimization ideális tankönyv az optimalizálás elméletének és módszereinek egy- vagy kétszemeszteres felsőfokú vagy kezdő egyetemi kurzusaihoz. A szöveg a matematika, az operációkutatás, az elektrotechnika, a közgazdaságtan, a statisztika és az üzleti élet kutatói és szakemberei számára is értékes.