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:
本店所有商品

  • 正版 在线凸优化 概念 架构及核心算法 埃拉德 哈赞 华章数学译丛 9787111690221 机械工业出版社店
  • 新商品上架
    • 作者: 埃拉德·哈赞(Elad著
    • 出版社: 机械工业出版社
    • 出版时间:2021-09
    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:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 埃拉德·哈赞(Elad著
    • 出版社:机械工业出版社
    • 出版时间:2021-09
    • 开本:16开
    • ISBN:9786541113758
    • 版权提供:机械工业出版社

      商品基本信息

    商品名称:

      在线凸优化:概念、架构及核心算法

    作     者:

      [美]伊兰德·卡赞(Elad Hazan)

    市 场 价:

      69.00元

    ISBN  号:

      9787111690221

    页     数:

      188

    出 版 社:

      机械工业出版社


      目录

      前言
    致谢
    第1章 导论 1
    1.1 在线凸优化模型 2
    1.2 可以用OCO建模的例子 3
    1.3 一个温和的开始: 从专家建议中学习 8
    1.3.1 加权多数算法 10
    1.3.2 随机加权多数算法 12
    1.3.3 对冲 14
    1.4 习题 16
    1.5 文献点评 17
    第2章 凸优化的基本概念 18
    2.1 基本定义和设定 18
    2.1.1 在凸集上的投影 20
    2.1.2 最优条件简介 21
    2.2 梯度、次梯度下降法 23
    2.3 非光滑和非强凸函数的归约27
    2.3.1 光滑非强凸函数的归约 28
    2.3.2 强凸非光滑函数的归约 29
    2.3.3 一般凸函数的归约 32
    2.4 例子: 支持向量机训练 33
    2.5 习题 35
    2.6 文献点评 37
    第3章 在线凸优化的一阶算法 38
    3.1 在线梯度下降法 39
    3.2 下界 42
    3.3 对数遗憾 43
    3.4 应用: 随机梯度下降法 45
    3.5 习题 49
    3.6 文献点评 50
    第4章 二阶方法 51
    4.1 动机: 通用投资组合选择 51
    4.1.1 主流投资组合理论 51
    4.1.2 通用投资组合理论 52
    4.1.3 持续再平衡投资组合 54
    4.2 exp-凹函数 55
    4.3 在线牛顿步算法 57
    4.4 习题 63
    4.5 文献点评 64
    第5章 正则化 66
    5.1 正则函数 67
    5.2 RFTL 算法及其分析 69
    5.2.1 元算法的定义 70
    5.2.2 遗憾界 70
    5.3 在线镜像下降法 74
    5.3.1 迟缓型OMD算法与RFTL 算法的等价性75
    5.3.2 镜像下降的遗憾界 76
    5.4 应用及特殊情形 78
    5.4.1 在线梯度下降法的导出 79
    5.4.2 乘法更新的导出 79
    5.5 随机正则化 81
    5.5.1 对凸代价函数的扰动 82
    5.5.2 对线性代价函数的扰动 86
    5.5.3 专家建议中的扰动领袖追随算法 87
    5.6 最优正则化(选学) 90
    5.7 习题 96
    5.8 文献点评 98
    第6章 Bandit凸优化 100
    6.1 BCO设定 100
    6.2 多臂赌博机问题 101
    6.3 从有限信息到完整信息的归约 107
    6.3.1 第1部分: 使用无偏估计 107
    6.3.2 第2部分: 点点梯度估计 110
    6.4 不需要梯度的在线梯度下降算法113
    6.5 BLO最优遗憾算法(选学)116
    6.5.1 自和谐障碍 116
    6.5.2 一个近优算法 118
    6.6 习题 121
    6.7 文献点评 122
    第7章 无投影算法 123
    7.1 回顾: 与线性代数相关的概念 123
    7.2 动机: 矩阵补全与推荐系统 124
    7.3 条件梯度法 126
    7.4 投影与线性优化 131
    7.5 在线条件梯度算法 133
    7.6 习题 138
    7.7 文献点评 139
    第8章 博弈、对偶性和遗憾 140
    8.1 线性规划和对偶性 141
    8.2 零和博弈与均衡 142
    8.3 冯·诺伊曼定理的证明 146
    8.4 近似线性规划 148
    8.5 习题 150
    8.6 文献点评 150
    第9章 学习理论、泛化和OCO 152
    9.1 统计学习理论的设定 152
    9.1.1 过拟合 153
    9.1.2 没有免费的午餐 154
    9.1.3 学习问题的例子 156
    9.1.4 泛化和可学习性的定义 157
    9.2 使用OCO的不可知学习 159
    9.2.1 余项: 度量集中和鞅 160
    9.2.2 对归约的分析 162
    9.3 习题 165
    9.4 文献点评 166
    参考文献 167


      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高级的算法、更为困难的设定和与著名的机器学习范式之间的关系。


    1
    • 商品详情
    • 内容简介

    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