アルゴリズム:Algorithms 保護中: 機械学習におけるラグランジュ関数を用いた最適化(2)拡張ラグランジュ関数法
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での拡張ラグランジュ関数法を用いた最適化手法の概要とアルゴリズム(近接点アルゴリズム、強凸、一次収束、線形制約付き凸最適化問題、強双対性の定理、最急降下法、モーロー包、共役関数、近接写像、双対問題、双対上昇法、ペナルティ関数法、バリア関数法)
共役関数
アルゴリズム:Algorithms アルゴリズム:Algorithms 保護中: 機械学習におけるラグランジュ関数を用いた最適化(1)双対上昇法
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におけるラグランジュ関数を用いた最適化(最急上昇法、ニュートン法、双対上昇法、非線形な等式制約付き最適化問題、閉真凸関数f、μ-強凸関数、共役関数、最急降下法、勾配射影法、線形不等式制約付き最適化問題、双対分解、交互方向乗数法、正則化学習問題)
アルゴリズム:Algorithms 保護中: 確率的最適化における凸解析の基本事項(1)凸関数と劣微分、双対関数
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確率的最適化における凸解析の基本事項での凸関数と劣微分、双対関数(凸関数、共役関数、ヤング・フェンシェルの不等式、劣微分、ルジャンドル変換、劣勾配、L1ノルム、相対的内点、アフィン包、アフィン集合、閉包、エピグラフ、凸包、平滑凸関数、狭義凸関数、真凸閉関数、閉凸閉関数、実行定義域、凸集合)
微分積分:Calculus 保護中: 機械学習における連続最適化の基本事項としての凸解析の基礎
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連続最適化の基本事項としての凸解析の基礎(劣勾配、劣微分、共役関数、閉真凸関数、共役関数、強凸関数、閉真凸関数、関数値の上下界、ヘッセ行列、エピグラフ、テイラーの定理、相対的内部、アフイン包、連続性、凸包、凸関数、凸集合)