|
题名:
|
最优化与机器学习 / 王祥丰, 蔡邢菊, 陈彩华编著 , |
|
ISBN:
|
978-7-302-69113-6 价格： CNY49.00 |
|
语种:
|
chi |
|
载体形态:
|
143页 26cm |
|
出版发行:
|
出版地： 北京 出版社： 清华大学出版社 出版日期： 2025 |
|
内容提要:
|
本书全面探讨了机器学习中的最优化理论、方法与实践，特别是在人工智能颠覆性发展的背景下，包括但不限于监督学习、无监督学习、深度学习及强化学习等的应用。本书详细介绍了最优性条件、KKT 条件、拉格朗日对偶等核心最优化理论，探讨了梯度下降法、邻近梯度法、牛顿法、拟牛顿方法（BFGS 方法）、块坐标下降法、随机梯度类方法、增广拉格朗日方法、交替方向乘子法、双层规划等经典最优化方法，最后介绍了机器学习与最优化深度融合的先进学习优化方法。通过本书的学习，读者将能够全面理解机器学习中**化问题的建模和求解计算，及其在实际问题中的应用，为后续的机器学习研究和实践奠定坚实的基础。 |
|
主题词:
|
机器学习 最优化算法 |
|
中图分类法:
|
TP181 版次： 5 |
|
主要责任者:
|
王祥丰 编著 |
|
主要责任者:
|
蔡邢菊 编著 |
|
主要责任者:
|
陈彩华 编著 |