Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Titre original :
Non-convex Optimization for Machine Learning
Contenu du livre :
Optimisation non-convexe pour l'apprentissage automatique examine en profondeur les bases de l'optimisation non-convexe avec des applications à l'apprentissage automatique. Il présente la littérature abondante dans ce domaine et fournit au lecteur les outils et les techniques nécessaires pour analyser ces procédures simples pour les problèmes non convexes.
L'ouvrage Non-convex Optimization for Machine Learning est aussi complet que possible sans pour autant perdre de vue le sujet principal des techniques d'optimisation non-convexe. Des chapitres entiers sont consacrés à la présentation d'un traitement de type tutoriel des concepts de base de l'analyse et de l'optimisation convexes, ainsi que de leurs équivalents non convexes. Ainsi, cette monographie peut être utilisée pour un cours semestriel sur les bases de l'optimisation non-convexe avec des applications à l'apprentissage automatique. D'autre part, il est également possible de choisir des parties individuelles, telles que le chapitre sur la récupération éparse ou l'algorithme EM, pour les inclure dans un cours plus large. Plusieurs cours tels que ceux sur l'apprentissage automatique, l'optimisation et le traitement du signal peuvent bénéficier de l'inclusion de ces sujets.
L'ouvrage Non-convex Optimization for Machine Learning se termine par l'examen de quatre applications intéressantes dans les domaines de l'apprentissage automatique et du traitement du signal et explore la manière dont les techniques d'optimisation non-convexe introduites précédemment peuvent être utilisées pour résoudre ces problèmes.
Autres informations sur le livre :
| ISBN : | 9781680833683 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
