共12章:基础概论、凸优化与无约束优化、最速下降法、牛顿法及其改进、共轭梯度法、拟牛顿法、约束优化、对偶定理、ML的风险与损失、梯度法及其改进、动量法及其改进、带约束的优化算法。
基础知识:导数和极值的理论,重点是 偏导数、鞍点、梯度等等。
凸优化:
-常见凸集:射线、超平面、半空间
-凸锥:
标签:Math4ML,导数,梯度,牛顿,改进,优化,加速 From: https://www.cnblogs.com/zhaoke271828/p/17397090.html
共12章:基础概论、凸优化与无约束优化、最速下降法、牛顿法及其改进、共轭梯度法、拟牛顿法、约束优化、对偶定理、ML的风险与损失、梯度法及其改进、动量法及其改进、带约束的优化算法。
基础知识:导数和极值的理论,重点是 偏导数、鞍点、梯度等等。
凸优化:
-常见凸集:射线、超平面、半空间
-凸锥:
标签:Math4ML,导数,梯度,牛顿,改进,优化,加速 From: https://www.cnblogs.com/zhaoke271828/p/17397090.html