返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 在线凸优化:概念、架构及核心算法 [美]伊兰德·卡赞(Elad Hazan) 著 张文博 张丽静 译 译 专业科技
  • 新华书店正版
    • 作者: [美]伊兰德·卡赞(Elad Hazan)著 | | 张文博 张丽静 译译
    • 出版社: 机械工业出版社
    • 出版时间:2021-09-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: [美]伊兰德·卡赞(Elad Hazan)著| 张文博 张丽静 译译
    • 出版社:机械工业出版社
    • 出版时间:2021-09-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-09-01
    • 字数:126
    • 页数:188
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111690221
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    在线凸优化:概念、架构及核心算法

    作  者:[美]伊兰德·卡赞(Elad Hazan) 著 张文博 张丽静 译 译
    定  价:69
    出 版 社:机械工业出版社
    出版日期:2021年09月01日
    页  数:188
    装  帧:平装
    ISBN:9787111690221
    主编推荐

    本书可作为在线凸优化大量理论的导论教程。第2~5章主要介绍在线凸优化的基本概念、架构和核心算法。本书其余部分则处理更为不错的算法、更为困难的设定和与有名的机器学习范式之间的关系。

    内容简介

    本书可作为在线凸优化大量理论的导论教程。第2~5章主要介绍在线凸优化的基本概念、架构和核心算法。本书其余部分则处理更为不错的算法、更为困难的设定和与有名的机器学习范式之间的关系。

    作者简介

    埃拉德·哈赞(Elad Hazan) 普林斯顿大学计算机科学教授,谷歌人工智能普林斯顿公司的联合创始人和董事。他专注于机器学习和优化中基本问题的算法设计和分析的研究,曾获得贝尔实验室奖、2008年度和2012年度IBM Goldberg很好论文奖、欧洲研究理事会奖、玛丽·居里奖学金和谷歌研究奖。他曾在计算学习协会指导委员会任职,并担任COLT 2015程序委员会主席,2017年与他人共同创建了致力于高效优化和控制的In8公司。

    精彩内容

    目录
    前言致谢章 导论 11.1 在线凸优化模型 21.2 可以用OCO建模的例子 31.3 一个温和的开始: 从专家建议中学习 81.3.1 加权多数算法 101.3.2 随机加权多数算法 121.3.3 对冲 141.4 习题 161.5 文献点评 17第2章 凸优化的基本概念 182.1 基本定义和设定 182.1.1 在凸集上的投影 202.1.2 最优条件简介 212.2 梯度、次梯度下降法 232.3 非光滑和非强凸函数的归约 272.3.1 光滑非强凸函数的归约 282.3.2 强凸非光滑函数的归约 292.3.3 一般凸函数的归约 322.4 例子: 支持向量机训练 332.5 习题 352.6 文献点评 37第3章 在线凸优化的一阶算法 383.1 在线梯度下降法 393.2 下界 423.3 对数遗憾 433.4 应用: 随机梯度下降法 453.5 习题 493.6 文献点评 50第4章 二阶方法 514.1 动机: 通用投资组合选择 514.1.1 主流投资组合理论 514.1.2 通用投资组合理论 524.1.3 持续再平衡投资组合 544.2 exp-凹函数 554.3 在线牛顿步算法 574.4 习题 634.5 文献点评 64第5章 正则化 665.1 正则函数 675.2 RFTL 算法及其分析 695.2.1 元算法的定义 705.2.2 遗憾界 705.3 在线镜像下降法 745.3.1 迟缓型OMD算法与RFTL 算法的等价性 755.3.2 镜像下降的遗憾界 765.4 应用及特殊情形 785.4.1 在线梯度下降法的导出 795.4.2 乘法更新的导出 795.5 随机正则化 815.5.1 对凸代价函数的扰动 825.5.2 对线性代价函数的扰动 865.5.3 专家建议中的扰动领袖追随算法 875.6 最优正则化(选学) 905.7 习题 965.8 文献点评 98第6章 Bandit凸优化 1006.1 BCO设定 1006.2 多臂赌博机问题 1016.3 从有限信息到完整信息的归约 1076.3.1 部分: 使用无偏估计 1076.3.2 第2部分: 点点梯度估计 1106.4 不需要梯度的在线梯度下降算法 1136.5 BLO最优遗憾算法(选学) 1166.5.1 自和谐障碍 1166.5.2 一个近优算法 1186.6 习题 1216.7 文献点评 122第7章 无投影算法 1237.1 回顾: 与线性代数相关的概念 1237.2 动机: 矩阵补全与推荐系统 1247.3 条件梯度法 1267.4 投影与线性优化 1317.5 在线条件梯度算法 1337.6 习题 1387.7 文献点评 139第8章 博弈、对偶性和遗憾 1408.1 线性规划和对偶性 1418.2 零和博弈与均衡 1428.3 冯·诺伊曼定理的证明 1468.4 近似线性规划 1488.5 习题 1508.6 文献点评 150第9章 学习理论、泛化和OCO 1529.1 统计学习理论的设定 1529.1.1 过拟合 1539.1.2 没有免费

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购