機器學習中的交替方向乘子法 圖書 ![](/liaode/images/fjie0.gif)
市場價:1120元 優惠價:940元
立刻節省:180元
使用機器學習技術解決實際應用問題涉及模型的建立、訓練及評估等步驟。優化算法常被用於訓練模型的參數,是機器學習的重要組成部分。機器學習模型的訓練可以建模成無約束優化問題或帶約束優化問題,約束可以為模型增加更多的先驗知識。基於梯度的算法(例如加速梯度法、隨機梯度法等)是求解無約束優化問題的常用方法,而交替方向乘子法(ADMM)則是求解帶約束優化問題的有力工具。 本書概述了機器學習中ADMM的新進展。書中全面介紹了各種情形下的ADMM,包括確定性和隨機性的算法、集中式和分布式的算法,以及求解凸問題和非凸問題的算法,深入介紹了各個算法的核心思想,並為算法的收斂性和收斂速度提供了詳細的證明。 本書面向機器學習和優化領域的研究人員,也包括人工智能、信號處理、自動控制、網絡通信、應用數學等專業的高年級本科生和研究生,以及從事相關領域產品研發的工程師。
|