基本事項 | Deus Ex Machina

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)

2023.04.18

アルゴリズム:Algorithmsグラフ理論スパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra

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)

2022.11.10

微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra集合論:Set theory

連続最適化の基本事項 – 微積分・線形代数の基礎

連続最適化の基本事項 - 微積分・線形代数の基礎(テイラーの定理、ヘッセ行列、ランダウの記号、リプシッツ連続、リプシッツ定数、陰関数定理、ヤコビ行列、対角行列、固有値、非負定値行列、正定値行列、部分空間、射影、1ランク更新、自然勾配法、準ニュートン法、シャーマン・モリソンの公式、ノルム、ユークリッドノルム、p-ノルム、シュワルツの不等式、ヘルダーの不等式、行列空間上の関数)

2022.10.28

アルゴリズム:Algorithmsスパースモデリング微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra

確率的最適化

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大量データの大規模学習問題を解くための確率的最適化の諸手法(教師あり学習と正則化,凸解析の基本事項,確率的最適化とは,オンライン型確率的最適化,バッチ型確率的最適化,分散環境での確率的最適化)

2022.08.14

アルゴリズム:Algorithmsオンライン学習微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra