Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Non-convex Optimization for Machine Learning
Das Buch Non-convex Optimization for Machine Learning wirft einen detaillierten Blick auf die Grundlagen der nicht-konvexen Optimierung mit Anwendungen auf das maschinelle Lernen. Es führt in die reichhaltige Literatur auf diesem Gebiet ein und stattet den Leser mit den Werkzeugen und Techniken aus, die zur Analyse dieser einfachen Verfahren für nicht-konvexe Probleme erforderlich sind.
Non-convex Optimization for Machine Learning ist so in sich geschlossen wie möglich, ohne dabei den Fokus auf das Hauptthema der nicht-konvexen Optimierungstechniken zu verlieren. Ganze Kapitel sind einer tutoriell anmutenden Behandlung grundlegender Konzepte der konvexen Analyse und Optimierung sowie ihrer nicht-konvexen Gegenstücke gewidmet. Daher kann diese Monographie für einen semesterlangen Kurs über die Grundlagen der nicht-konvexen Optimierung mit Anwendungen auf maschinelles Lernen verwendet werden. Andererseits ist es auch möglich, einzelne Teile, wie z. B. das Kapitel über Sparse Recovery oder den EM-Algorithmus, herauszugreifen und in einen umfassenderen Kurs aufzunehmen. Mehrere Kurse, z. B. in maschinellem Lernen, Optimierung und Signalverarbeitung, könnten von der Einbeziehung solcher Themen profitieren.
Nicht-konvexe Optimierung für maschinelles Lernen schließt mit einem Blick auf vier interessante Anwendungen in den Bereichen maschinelles Lernen und Signalverarbeitung und untersucht, wie die zuvor eingeführten nicht-konvexen Optimierungstechniken zur Lösung dieser Probleme verwendet werden können.
| ISBN: | 9781680833683 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
