Optimierung für Lernen und Kontrolle

Optimierung für Lernen und Kontrolle (Anders Hansson)

Originaltitel:

Optimization for Learning and Control

Inhalt des Buches:

Umfassende Ressource, die eine Einführung auf Masterniveau in die Optimierungstheorie und Algorithmen für Lernen und Kontrolle bietet

Optimization for Learning and Control beschreibt, wie Optimierung in diesen Bereichen eingesetzt wird, und gibt eine gründliche Einführung in unüberwachtes Lernen, überwachtes Lernen und Verstärkungslernen, wobei der Schwerpunkt auf Optimierungsmethoden für groß angelegte Lern- und Steuerungsprobleme liegt.

Es werden auch mehrere Anwendungsbereiche erörtert, darunter Signalverarbeitung, Systemidentifikation, optimale Steuerung und maschinelles Lernen.

Das meiste Material über die Optimierungsaspekte des Deep Learning, das Studenten auf Master-Niveau zugänglich ist, konzentriert sich heute auf die oberflächliche Computerprogrammierung; tieferes Wissen über die Optimierungsmethoden und die Kompromisse, die hinter diesen Methoden stehen, wird nicht vermittelt. Das Ziel dieses Buches ist es, dieses verstreute Wissen, das derzeit hauptsächlich in Veröffentlichungen in akademischen Zeitschriften zu finden ist, für Masterstudenten auf kohärente Weise zugänglich zu machen. Der Schwerpunkt liegt dabei auf den grundlegenden algorithmischen Prinzipien und Kompromissen.

Optimization for Learning and Control behandelt beispielhafte Themen wie:

⬤ Optimierungstheorie und Optimierungsmethoden, die Klassen von Optimierungsproblemen wie Probleme der kleinsten Quadrate, quadratische Probleme, konische Optimierungsprobleme und Rangoptimierung abdecken.

⬤ Methoden erster Ordnung, Methoden zweiter Ordnung, variable metrische Methoden und Methoden für nichtlineare Probleme der kleinsten Quadrate.

⬤ Stochastische Optimierungsmethoden, Augmented-Lagrangian-Methoden, Interior-Point-Methoden und konische Optimierungsmethoden.

⬤ Dynamische Programmierung zur Lösung von Problemen der optimalen Steuerung und ihre Verallgemeinerung auf das Reinforcement Learning.

⬤ Wie die Optimierungstheorie verwendet wird, um Theorien und Werkzeuge der Statistik und des Lernens zu entwickeln, z. B. die Maximum-Likelihood-Methode, Erwartungsmaximierung, k-means Clustering und Support-Vector-Maschinen.

⬤ Wie die Variationsrechnung in der optimalen Steuerung und zur Ableitung der Familie der Exponentialverteilungen verwendet wird.

Optimization for Learning and Control ist ein ideales Hilfsmittel für Wissenschaftler und Ingenieure, die lernen wollen, welche Optimierungsmethoden für Lern- und Kontrollprobleme nützlich sind; der Text wird auch Fachleute aus der Industrie ansprechen, die maschinelles Lernen für verschiedene praktische Anwendungen nutzen.

Weitere Daten des Buches:

ISBN:9781119809135
Autor:
Verlag:
Sprache:Englisch
Einband:Hardcover
Erscheinungsjahr:2023
Seitenzahl:432

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Einführung in Duplicate Bridge: Amerikanischer Standard mit wettbewerbsfähigen Strategien -...
Dieses Buch lehrt die Grundlagen des Duplicate...
Einführung in Duplicate Bridge: Amerikanischer Standard mit wettbewerbsfähigen Strategien - Introductory Duplicate Bridge: American Standard With Competitive Strategies
Optimierung für Lernen und Kontrolle - Optimization for Learning and Control
Umfassende Ressource, die eine Einführung auf Masterniveau in die Optimierungstheorie...
Optimierung für Lernen und Kontrolle - Optimization for Learning and Control

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)