機器學習中的加速一階優(yōu)化算法
機器學習是關于從數(shù)據(jù)中建立預測或描述模型，以提升機器解決問題能力的學科。在建立模型后，需要采用適當?shù)膬?yōu)化算法來求解模型的參數(shù)，因此優(yōu)化算法是機器學習的重要組成部分。但是傳統(tǒng)的優(yōu)化算法并不完全適用于機器學習，因為通常來說機器學習模型的參數(shù)維度很高或涉及的樣本數(shù)巨大，這使得一階優(yōu)化算法在機器學習中占據(jù)主流地位。本書概述了機器學習中加速一階優(yōu)化算法的新進展。書中介紹了各種情形下的加速一階優(yōu)化算法，包括確定性和隨機性的算法、同步和異步的算法，以求解帶約束的問題和無約束的問題、凸問題和非凸問題，對算法思想進行了深入的解讀，并對其收斂速度提供了詳細的證明。本書面向的讀者對象是機器學習和優(yōu)化領域的研究人員，包括人工智能、信號處理及應用數(shù)學特別是計算數(shù)學專業(yè)高年級本科生、研究生，以及從事人工智能、信號處理領域產(chǎn)品研發(fā)的工程師。
·6.9萬字
