Titre original :
Optimization for Learning and Control
Contenu du livre :
Cette ressource complète fournit une introduction de niveau master à la théorie de l'optimisation et aux algorithmes pour l'apprentissage et le contrôle.
Optimization for Learning and Control décrit comment l'optimisation est utilisée dans ces domaines, en donnant une introduction approfondie à l'apprentissage non supervisé, à l'apprentissage supervisé et à l'apprentissage par renforcement, en mettant l'accent sur les méthodes d'optimisation pour les problèmes d'apprentissage et de contrôle à grande échelle.
Plusieurs domaines d'application sont également abordés, notamment le traitement des signaux, l'identification des systèmes, le contrôle optimal et l'apprentissage automatique.
Aujourd'hui, la plupart des documents sur les aspects d'optimisation de l'apprentissage profond qui sont accessibles aux étudiants de niveau master se concentrent sur la programmation informatique de surface ; une connaissance plus approfondie des méthodes d'optimisation et des compromis qui se cachent derrière ces méthodes n'est pas fournie. L'objectif de ce livre est de rendre ces connaissances éparses, actuellement principalement disponibles dans des publications dans des journaux académiques, accessibles aux étudiants de Master de manière cohérente. L'accent est mis sur les principes algorithmiques de base et les compromis.
Optimisation pour l'apprentissage et le contrôle couvre des sujets tels que :
⬤ Théorie de l'optimisation et méthodes d'optimisation, couvrant des classes de problèmes d'optimisation tels que les problèmes des moindres carrés, les problèmes quadratiques, les problèmes d'optimisation conique et l'optimisation des rangs.
⬤ Méthodes du premier ordre, méthodes du second ordre, méthodes à métrique variable et méthodes pour les problèmes de moindres carrés non linéaires.
⬤ Les méthodes d'optimisation stochastique, les méthodes de Lagrange augmenté, les méthodes de point intérieur et les méthodes d'optimisation conique.
⬤ La programmation dynamique pour résoudre les problèmes de contrôle optimal et sa généralisation à l'apprentissage par renforcement.
⬤ Comment la théorie de l'optimisation est utilisée pour développer la théorie et les outils de la statistique et de l'apprentissage, par exemple la méthode du maximum de vraisemblance, la maximisation de l'espérance, le regroupement k-means et les machines à vecteurs de support.
⬤ Comment le calcul des variations est utilisé dans le contrôle optimal et pour dériver la famille des distributions exponentielles.
Optimization for Learning and Control est une ressource idéale sur le sujet pour les scientifiques et les ingénieurs qui apprennent quelles méthodes d'optimisation sont utiles pour les problèmes d'apprentissage et de contrôle ; le texte intéressera également les professionnels de l'industrie qui utilisent l'apprentissage automatique pour différentes applications pratiques.
Autres informations sur le livre :
| ISBN : | 9781119809135 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2023 |
| Nombre de pages : | 432 |
Achat:
Actuellement disponible, en stock.
