Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Introduction to Optimization - With Applications to Machine Learning (Chong Edwin K. P. (Colorado State University))
Contenu du livre :
Introduction à l'optimisation
Manuel d'introduction accessible sur la théorie et les méthodes d'optimisation, mettant l'accent sur la conception technique, avec des exercices MATLAB® et des exemples pratiques.
Entièrement mise à jour pour refléter les développements modernes dans le domaine, la cinquième édition de An Introduction to Optimization répond au besoin d'une introduction accessible, mais rigoureuse, à la théorie et aux méthodes d'optimisation, avec une couverture innovante et une approche directe. Le livre commence par un examen des définitions et des notations de base, tout en fournissant les connaissances fondamentales de l'algèbre linéaire, de la géométrie et du calcul.
Sur cette base, les auteurs explorent les thèmes essentiels des problèmes d'optimisation sans contrainte, des problèmes de programmation linéaire et de l'optimisation non linéaire avec contrainte. En outre, le livre comprend une introduction aux réseaux neuronaux artificiels, à l'optimisation convexe, à l'optimisation multi-objectifs et aux applications de l'optimisation dans l'apprentissage automatique.
De nombreux diagrammes et figures complètent la présentation écrite des concepts clés, et chaque chapitre est suivi d'exercices MATLAB® et de problèmes pratiques qui renforcent la théorie et les algorithmes abordés.
La cinquième édition comporte un nouveau chapitre sur la dualité lagrangienne (non linéaire), une couverture élargie des jeux matriciels, des algorithmes de gradient projeté, de l'apprentissage automatique, et de nombreux nouveaux exercices à la fin de chaque chapitre.
Une introduction à l'optimisation comprend des informations sur : Les définitions mathématiques, les notations et les relations d'algèbre linéaire, de géométrie et de calcul utilisées en optimisation Les algorithmes d'optimisation, couvrant la recherche unidimensionnelle, la recherche aléatoire et les méthodes du gradient, de Newton, de la direction conjuguée et de quasi-Newton Les méthodes de programmation linéaire, couvrant l'algorithme du simplexe, les méthodes du point intérieur et la dualité Les méthodes de programmation non linéaire sous contrainte, couvrant l'algorithme du simplexe, les méthodes du point intérieur et la dualité, Applications de l'optimisation dans l'apprentissage automatique, y compris l'entraînement des réseaux neuronaux, la classification, la descente de gradient stochastique, la régression linéaire, la régression logistique, les machines à vecteurs de support et le regroupement.
An Introduction to Optimization est un manuel idéal pour un cours d'un ou deux semestres de premier cycle ou de début de deuxième cycle sur la théorie et les méthodes d'optimisation. Il est également utile aux chercheurs et aux professionnels des mathématiques, de la recherche opérationnelle, de l'ingénierie électrique, de l'économie, des statistiques et des affaires.
Autres informations sur le livre :
| ISBN : | 9781119877639 |
| Auteur : | |
| Éditeur : | |
| Sous-titre : | With Applications to Machine Learning |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2023 |
| Nombre de pages : | 672 |
Achat:
Actuellement disponible, en stock.
