ラグランジュ乗数

アルゴリズム:Algorithms

保護中: アトミックノルムによるスパース機械学習の数学的性質と最適化

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるアトミックノルムによるスパース機械学習の数学的性質と最適化(L∞ノルム、双対問題、ロバスト主成分分析、前景画像抽出、低ランク行列、スパース行列、ラグランジュ乗数、補助変数、拡張ラグランジュ関数、指示関数、スペクトルノルム、ロバスト主成分分析、フランク・ウォルフェ法、双対における交互乗数法、L1ノルム制約付き二乗回帰問題、正則化パラメータ、経験誤差、曲率パラメータ、アトミックノルム、prox作用素、凸包、ノルムの等価性、双対ノルム)
アルゴリズム:Algorithms

保護中: 機械学習における主問題に対する最適化

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに活用される機械学習における主問題に対する最適化(バリア関数法、ペナルティ関数法、大域的最適解、ヘッセ行列の固有値、実行可能領域、制約なし最適化問題、直線探索、最適性条件のラグランジュ乗数、集積点、有効制約法)
アルゴリズム:Algorithms

保護中: 機械学習における等式制約付き最適化問題の最適性条件

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される制約付き機械学習における等式制約付き最適化問題の最適性条件(不等式制約付き最適化問題、有効制約法、ラグランジュ乗数、1次独立、局所最適解、真凸関数、強双対性定理、ミニマックス定理、強双対性、大域的最適解、2次の最適性条件、ラグランジュ未定乗数法、勾配ベクトル、1次の最適性問題)
アルゴリズム:Algorithms

保護中: L1ノルム正則化のための最適化手法としての双対拡張ラグランジュ法・双対交互方向乗数法

デジタルトランスフォーメーショ(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるスパース学習でのL1ノルム正則化のための最適化手法(FISTA、SpaRSA、OWLQN、DL法、L1ノルム、チューニング、アルゴリズム、DADMM、IRS、ラグランジュ乗数、近接点法、交互方向乗数法、勾配上昇法、拡張ラグランジュ法、ガウス・サイデル法、連立一次方程式、制約付きノルム最小化問題、コレスキー分解、交互方向乗数法、双対拡張ラグランジュ法、相対双対ギャップ、ソフト閾値関数、へシアン行列)
アルゴリズム:Algorithms

保護中: 機械学習の連続最適化としての準ニュートン法(1) アルゴリズムの概要

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される機械学習の連続最適化としての準ニュートン法(BFGS公式、ラグランジュ乗数、最適性条件、凸最適化問題、KLダイバージェンス最小化、等式制約付き最適化問題、DFG公式、正定値行列、幾何構造、セカント条件、準ニュートン法の更新則、ヘッセ行列、最適化アルゴリズム、探索方向、ニュートン法)
モバイルバージョンを終了
タイトルとURLをコピーしました